逻辑回归的可证明准确性随机抽样算法
原文中文,约300字,阅读约需1分钟。发表于: 。在统计学和机器学习领域,逻辑回归是一种广泛应用于二分类任务的监督学习技术。本研究提出一种基于随机抽样的简单算法,针对逻辑回归问题,确保对模型的预测概率和整体差异都能得到高质量的近似。研究分析了当采用杠杆得分对观测数据进行抽样时,逻辑回归的预测概率的属性,并证明可以通过样本规模远小于总观测数据量来实现准确的近似。通过全面的实证评估验证了我们的理论发现,研究为在大规模数据集上高效近似逻辑回归的预...
本文提出了一种在大数据集上提高算法计算效率的采样方法,并评估了算法杠杆的统计性能。结果表明杠杆采样在最坏情况下能提供更好的结果。同时,本文还提出了两种新的杠杆算法,并在合成和真实数据集上进行了实证评估。