Özgürlük dereceleri, birçok bağlamda tamsayı değildir. Nitekim birkaç koşullarda özgürlük dereceleri bazı değer arasında olmalıdır bazı belirli modeller için veri sığdırmak için bu kurabilir ve .kk + 1
Genellikle serbestlik derecelerini serbest parametrelerin sayısı olarak düşünürüz, ancak parametrelerin tamamen serbest olmadığı ve sayılmasının zor olabileceği durumlar vardır. Bu, örneğin yumuşatırken / düzenlileştirirken olabilir.
Lokal ağırlıklı regresyon / çekirdek metotlarının durumları yumuşatıcı eğri çizgileri böyle bir durumun örnekleridir - toplam serbest parametre sayısı, yordayıcılar ekleyerek kolayca sayabileceğiniz bir şey değildir, bu nedenle daha genel serbestlik dereceleri fikri gerekir.
Gelen Genelleştirilmiş Katkı Modelleri üzerinde gam
kısmen dayanır, Hastie ve Tibshirani (1990) [1] (ve aslında çok sayıda diğer referanslarda) yazabiliriz bazı modellerde Y = bir y , serbestlik derecesi zaman olarak kabul edilir tr ( A ) (ayrıca tr ( A A T ) veya tr ( 2 A - A A T ) tartışıyorlar ). Birincisi, her ikisinin de çalıştığı (örneğin regresyonda, normal durumlarda tr ( A) olan daha olağan yaklaşımla tutarlıdır.y^= A ytr( A )tr( A AT)tr( 2 A - A AT)tr( A )X sütun boyutu olacaktır), ancakbir simetrik ve belirsiz olduğunda, bu üç formül de aynıdır.
[Ayrıntıları yeterince kontrol etmek için bu referansa sahip değilim; aynı yazarların (ayrıca Friedman'ın) kolayca ele geçirilebilecek bir alternatifi , İstatistiksel Öğrenmenin Öğeleridir [2]; örneğin yumuşatıcı bir eğriliğin etkin serbestlik derecelerini tr( A ) olarak tanımlayan denklem 5.16'ya bakınız (benim yazımda)
Daha genel olarak, hala Ye (1998) serbestlik [3] tanımlanan genel derece Σben∂y^ben∂ybentr( A )y^∂y^ben∂yben
Takılanlar gibi modeller için gam
, bu çeşitli önlemler genellikle tam sayı değildir.
(Bazı durumlarda hikaye biraz daha karmaşık hale gelebilse de, bu referansların bu konuyla ilgili tartışmalarını okumanı şiddetle tavsiye ediyorum. Örneğin, [4])
[1] Hastie, T. ve Tibshirani, R. (1990),
Genelleştirilmiş Katkı Modelleri
Londra: Chapman ve Salon.
[2] Hastie, T., Tibshirani, R. ve Friedman, J. (2009),
İstatistiksel Öğrenmenin Öğeleri: Veri Madenciliği, Çıkarım ve Tahmin , 2.Ed
Springer-Verlag.
https://statweb.stanford.edu/~tibs/ElemStatLearn/
[3] Ye, J. (1998),
"Veri Madenciliği ve Model Seçiminin Etkilerinin Ölçülmesi ve Düzeltilmesi Üzerine"
Amerikan İstatistik Kurumu Dergisi , Vol. 93, No. 441, s. 120-131
[4] Janson, L., Fithian, W. ve Hastie, T. (2013),
"Etkili Özgürlük Dereceleri: Kusursuz Bir Metafor"
https://arxiv.org/abs/1312.7851