Clustering and Prediction With Variable Dimension Covariates
Clustering and Prediction With Variable Dimension Covariates
复制标题
具有可变维度协变量的聚类和预测
DOI：
10.1080/10618600.2021.1999824
复制
发表时间：
2021
影响因子：
2.4
通讯作者：
Müller, Peter
中科院分区：
文献类型：
--
作者：
Page, Garritt L.;Quintana, Fernando A.;Müller, Peter
在许多应用领域中，经常会遇到不完整的协变量向量。众所周知，这在对模型参数进行推断时可能会出现问题，但其对预测性能的影响却鲜为人知。我们开发了一种基于协变量相关随机分区模型的方法，该方法可以无缝处理缺失的协变量，同时完全避免任何类型的插补。我们开发的方法允许样本内和样本外预测，即使在训练数据中没有看到新受试者不完整协变量向量中的缺失模式。允许任何数据类型，包括分类或连续协变量。在模拟研究中，所提出的方法比较有利。我们通过两个应用示例来说明该方法。本文的补充材料可在此处获取。
In many applied fields incomplete covariate vectors are commonly encountered. It is well known that this can be problematic when making inference on model parameters, but its impact on prediction performance is less understood. We develop a method based on covariate dependent random partition models that seamlessly handles missing covariates while completely avoiding any type of imputation. The method we develop allows in-sample as well as out-of-sample predictions, even if the missing pattern in the new subjects’ incomplete covariate vector was not seen in the training data. Any data type, including categorical or continuous covariates are permitted. In simulation studies, the proposed method compares favorably. We illustrate the method in two application examples. Supplementary materials for this article are available here.
登录
查看更多内容
使用协变量通知随机分区模型发现交互作用
DOI：
10.1214/20-aoas1372
发表时间：
2018
期刊：
The Annals of Applied Statistics
影响因子：
--
作者：
G. Page;F. Quintana;G. Rosner
通讯作者：
G. Rosner
产品划分模型的集群特定变量选择
影响因子：
1
作者：
F. Quintana;P. Müller;A. Papoila
通讯作者：
A. Papoila
贝叶斯积划分模型
DOI：
10.1002/9781118445112.stat08123
发表时间：
2018
期刊：
Wiley StatsRef: Statistics Reference Online
影响因子：
--
作者：
F. Quintana;R. Loschi;G. Page
通讯作者：
G. Page
使用多重插补方法的巢式病例对照研究。
DOI：
--
发表时间：
2014
期刊：
影响因子：
--
作者：
M. Yoshida;J. T. Ye;Y. J. Zhang;Y. Imai;S. Kimura;A. Fujiwara;T. Nishizaki;N. Kobayashi;M. Nakano;Y. Iwasa;野間久史
通讯作者：
野間久史