众数回归提升树模型构建及应用  

作　　者：蔡超[1] 李心怡 

机构地区：[1]山东工商学院统计学院,山东烟台264005

出　　处：《统计与决策》2024年第2期58-62,共5页Statistics & Decision

基　　金：国家社会科学基金资助项目(20BTJ052);山东省社会科学规划研究项目(20CTJJ01)。

摘　　要：众数回归模型估计的是在给定解释变量条件下响应变量的条件众数,而不是一般意义上的条件均值,因此可以揭示一般回归方法遗漏的重要结构。文章基于众数回归模型和提升回归树模型,提出了一个新的非参数众数回归模型:众数回归提升树(MRBT)模型。该模型一方面可以解决含有多元解释变量的非参数众数回归问题,另一方面采用Boosting技术解决了众数回归树模型预测性能差的问题。数值模拟和应用研究的结果表明:在任何分布中,MRBT模型显著优于线性众数回归和众数回归树模型;在数据呈对称分布时,MRBT模型与中位数回归提升树和均值回归提升树模型的表现相同;但在数据呈非对称分布或具有异常值时,MRBT模型显著优于中位数回归提升树和均值回归提升树模型。

关 键 词：众数回归 决策树 提升树 非参数 BOOSTING 

分 类 号：O212.7[理学—概率论与数理统计]