散布矩阵一致性：用于子集回归的诊断
摘要：线性回归模型直接取决于设计矩阵及其特性。为了解决大规模问题，有效估计模型系数的技术越来越受欢迎，这些技术通过对设计矩阵的行进行划分来适应现代并行计算架构。我们提出了一种简单的度量，用于衡量设计矩阵与其行子集之间的一致性，估计子集何种程度上捕捉到更大数据集的方差-协方差结构。我们在真实世界问题中演示了使用此度量的启发式方法，该方法用于选择行分区大小，平衡统计效率和计算效率的目标。
作者：Michael J. Kane, Bryan Lewis, Sekhar Tatikonda, Simon Urbanek
论文ID：1507.03285
分类：Machine Learning
分类简称：stat.ML
提交时间：2019-07-23