1.1.17. Quantile Regression （分位数回归）

最新推荐文章于 2024-03-16 21:37:43 发布

matrix_studio

最新推荐文章于 2024-03-16 21:37:43 发布

阅读量1.5k

点赞数 1

分类专栏：从sklearn学机器学习文章标签：回归机器学习人工智能

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/matrix_studio/article/details/121903337

版权

从sklearn学机器学习专栏收录该内容

23 篇文章 29 订阅

订阅专栏

1.1.17. Quantile Regression

在这里插入图片描述

分位数回归：不同于最小二乘拟合条件均值，分位数回归将拟合中位数或其它分位数。

它相对稳定，不易收到离群点的影响。

这很容易理解，在表示一个群体的收入时，我们通常不用平均值，而是用中位数，因为在存在所谓“极端数据”时，中位数更稳定。

分位数回归的稳定性最强，OLS很弱，Hubor介于他们中间。

在这里插入图片描述

分位数回归的一个典型的作用是求取数据分布的区间。显然，面对上图的发散型数据，分位数回归比其它回归更具代表性。

关注

1
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
1.1.17. Quantile Regression （分位数回归）

1.1.17. Quantile Regression分位数回归：不同于最小二乘拟合条件均值，分位数回归将拟合中位数或其它分位数。它相对稳定，不易收到离群点的影响。这很容易理解，在表示一个群体的收入时，我们通常不用平均值，而是用中位数，因为在存在所谓“极端数据”时，中位数更稳定。分位数回归的稳定性最强，MLE很弱，Hubor介于他们中间。分位数回归的一个典型的作用是求取数据分布的区间。显然，面对上图的发散型数据，分位数回归比其它回归更具代表性。...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。