partykit中的mob函数可以使用正则化线性模型构建模型树吗,比如岭回归?
Can the mob function in partykit build model trees using regularized linear models, such as ridge regression?
partykit中的mob函数是否可以正确使用正则化线性或广义线性模型?
我认为 partykit 使用的参数稳定性测试的零假设需要更改为非标准布朗桥,因为得分函数在所有数据点上不再为 0,而是通过惩罚项的梯度。
是的,没错。但是,我从来没有详细研究过这个问题,也没有真正需要修改什么才能获得一个干净的功能中心极限定理。
一个特别的修改是简单地从个人得分贡献中减去平均得分,以便这些总和再次为零。我的直觉是这应该使结果测试稍微保守一些,这样至少你在 "right side".
另一种解决方案是使用 ctree()
中的条件推理程序,而不是 mob()
中的参数稳定性测试。您可以简单地提供 estfun(model(...))
作为 ytrafo
。请随时通过直接电子邮件与我们(Torsten、Heidi 和我)联系,以获得更多指导和讨论。
partykit中的mob函数是否可以正确使用正则化线性或广义线性模型?
我认为 partykit 使用的参数稳定性测试的零假设需要更改为非标准布朗桥,因为得分函数在所有数据点上不再为 0,而是通过惩罚项的梯度。
是的,没错。但是,我从来没有详细研究过这个问题,也没有真正需要修改什么才能获得一个干净的功能中心极限定理。
一个特别的修改是简单地从个人得分贡献中减去平均得分,以便这些总和再次为零。我的直觉是这应该使结果测试稍微保守一些,这样至少你在 "right side".
另一种解决方案是使用 ctree()
中的条件推理程序,而不是 mob()
中的参数稳定性测试。您可以简单地提供 estfun(model(...))
作为 ytrafo
。请随时通过直接电子邮件与我们(Torsten、Heidi 和我)联系,以获得更多指导和讨论。