Optimal Subsampling Bootstrap for Massive Data
Optimal Subsampling Bootstrap for Massive Data
复制标题
海量数据的最优子采样引导程序
DOI：
10.1080/07350015.2023.2166514
复制
发表时间：
2023
影响因子：
3
通讯作者：
Ma Y
中科院分区：
文献类型：
--
作者：
Ma Y
Bootstrap是一种被广泛使用的统计推断方法，因为它的简单和吸引人的统计性质。然而，对于许多现代海量数据集来说，普通版本的Bootstrap在计算上不再可行，因为需要重复对整个数据进行重新采样。因此，近年来对Bootstrap方法进行了一些改进，它通过在重新抽样之前对整个数据集进行二次抽样来评估估计器的质量。当然，这些现代的子采样方法的性能受调整参数的影响，例如子样本的大小、子样本的数量以及每个子样本的重采样数量。在本文中，我们开发了一种新的超参数选择方法来选择这些调优参数。该框架被描述为一个在计算成本约束下寻找估计量精度的最优值的优化问题，该框架在没有或几乎没有额外时间代价的情况下，为下采样自举、下采样双自举和小自举包的最优超参数值提供了闭合形式的解。以均方误差作为精度度量的指标，通过数值研究，研究、比较和改进了这些针对海量数据开发的现代版Bootstrap的性能。结果令人振奋。
The bootstrap is a widely used procedure for statistical inference because of its simplicity and attractive statistical properties. However, the vanilla version of bootstrap is no longer feasible computationally for many modern massive datasets due to the need to repeatedly resample the entire data. Therefore, several improvements to the bootstrap method have been made in recent years, which assess the quality of estimators by subsampling the full dataset before resampling the subsamples. Naturally, the performance of these modern subsampling methods is influenced by tuning parameters such as the size of subsamples, the number of subsamples, and the number of resamples per subsample. In this article, we develop a novel hyperparameter selection methodology for selecting these tuning parameters. Formulated as an optimization problem to find the optimal value of some measure of accuracy of an estimator subject to computational cost, our framework provides closed-form solutions for the optimal hyperparameter values for subsampled bootstrap, subsampled double bootstrap and bag of little bootstraps, at no or little extra time cost. Using the mean square errors as a proxy of the accuracy measure, we apply our methodology to study, compare and improve the performance of these modern versions of bootstrap developed for massive data through numerical study. The results are promising.
登录
查看更多内容
影响因子：
3.7
作者：
B. Efron
通讯作者：
B. Efron
DOI：
10.1080/01621459.2018.1429274
发表时间：
2019-04-03
影响因子：
3.7
作者：
Jordan, Michael I.;Lee, Jason D.;Yang, Yun
通讯作者：
Yang, Yun
DOI：
10.1080/01621459.2021.1969238
发表时间：
2019-06
影响因子：
3.7
作者：
Jianqing Fan;Yongyi Guo;Kaizheng Wang
通讯作者：
Jianqing Fan;Yongyi Guo;Kaizheng Wang
影响因子：
4.5
作者：
Volgushev, Stanislav;Chao, Shih-Kang;Cheng, Guang
通讯作者：
Cheng, Guang
引导程序的方法和理论
DOI：
--
发表时间：
1986
期刊：
影响因子：
--
作者：
P. Hall
通讯作者：
P. Hall