رگرسیون مقاوم و چندکی
18 روش در این خانواده.
برگزیده
خطاهای استاندارد مقاوم به ناهمسانی واریانس (HC)Heteroscedasticity-robust standard errors are a correction to the covariance matrix of an OLS regression that yields valid inference when the error variance is not constant. Introdرگرسیون هیوبرHuber regression is a robust linear regression method, introduced by Peter J. Huber in 1964, that resists the influence of outliers by treating small and large residuals differentlرگرسیون حداقل مربعات هرسشده (LTS)Least Trimmed Squares is a robust linear regression method introduced by Peter J. Rousseeuw in 1984. Instead of fitting all residuals, it estimates the coefficients by minimising tتخمینگرهای M (رگرسیون مقاوم)M-estimators are a robust generalisation of maximum likelihood estimation, formalised in the work of Peter J. Huber (Huber & Ronchetti, 2009). Instead of squaring every residual, tبرآوردگر MM برای رگرسیون استوارThe MM-estimator is a robust linear regression method introduced by Victor J. Yohai in 1987. It combines the high breakdown point of an S-estimator with the high efficiency of an Mرگرسیون کوانتایل (انواع ناپارامتری)Quantile regression, introduced by Koenker and Bassett in 1978, models a chosen conditional quantile (such as the median or the 25th and 75th percentiles) of a continuous outcome r
مسیر مطالعه
پرارجاعترین روشهای بنیادی این موضوع، به ترتیب پیدایش آنها — جایی برای آغاز اگر تازهواردید.
همهٔ روشها 18
خطاهای استاندارد مقاوم به ناهمسانی واریانس (HC)رگرسیون هیوبررگرسیون حداقل مربعات هرسشده (LTS)تخمینگرهای M (رگرسیون مقاوم)برآوردگر MM برای رگرسیون استواررگرسیون کوانتایل (انواع ناپارامتری)رگرسیون رنسکتحقیقات تبیینی مقاومتقویت گرادیان مقاومLightGBM مقاومرگرسیون خطی مقاومرگرسیون چندک قوی (Robust Quantile Regression)رگرسیون مقاومطرح رگرسیون ناپیوستگی قویایکسجیبوست مقاومبرآوردگر S برای رگرسیون استوارتخمینگر تیل-سنتخمینگر W: رگرسیون مقاوم (وزنهای ولش / توکی بایاسکوئر)