半参数

【文件属性】：
文件名称：半参数
文件大小：2.86MB
文件格式：ZIP
更新时间：2021-02-11 17:23:10
HTML 介绍 哪些退伍军人将来可能会产生高昂的医疗费用？ 我们可以使用VA的电子健康记录（EHR）系统中的可用信息与统计模型相结合来预测这些退伍军人的身份吗？ 在拟合该统计模型时，我们如何充分利用该EHR系统中的众多变量和数百万患者？ 我们怎么能相信我们的预测模型是好的？ 该项目结合了 分位数回归方法进行预测 使用样条线对预测变量进行灵活建模 通过惩罚进行模型正则化 用于处理EHR规模数据的分布式模型拟合算法 解决这些问题。 它旨在开发一种预测模型，以确定哪些退伍军人在下一个财政年度将承担高昂的医疗保健费用。 它使用分位数回归来完成此操作，分位数回归是一种统计方法，可用于直接对分布的上尾部的结果进行建模。 它使用回归样条曲线通过预测器进行高度灵活的建模，并通过惩罚选择模型，以充分利用数据。 最后，当以VA'EHR系统的规模拟合数据时，它使用分布式模型拟合算法来完成所有这些工作。 下面，我们将更

【文件预览】：
semiparametric-master
----_layouts()
--------default.html(2KB)
----software.md(15B)
----images()
--------overfitting.gif(91KB)
--------test.png(1014KB)
--------john-tukey.png(40KB)
--------bspline.png(38KB)
--------spline_plot.png(8KB)
--------quant_scatter_twofits.pdf(634KB)
--------Thumbs.db(25KB)
--------quant_scatter_points.png(20KB)
--------quant_scatter_full.pdf(621KB)
--------readme.txt(31B)
--------quant_scatter_points.pdf(632KB)
--------quant_scatter_twofits.png(21KB)
----_data()
--------navigation.yml(0B)
----people.md(15B)
----README.md(9KB)
----_layout()
--------default.html(2KB)
----_config.yml(140B)