Published April 7, 2021
| Version v1
Publication
Open
RBF: An R package to compute a robust backfitting estimator for additive models
Creators
- 1. National University of Luján
- 2. University of British Columbia
Description
Although highly flexible, non-parametric regression models typically require large sample sizes to be estimated reliably, particularly when they include many explanatory variables.Additive models provide an alternative that is more flexible than linear models, not affected by the curse of dimensionality, and also allows the exploration of individual covariate effects.Standard algorithms to fit these models can be highly susceptible to the presence of a few atypical or outlying observations in the data.The RBF (Salibian-Barrera & Martıńez, 2020) package for R implements the robust estimator for additive models of Boente et al. ( 2017), which can resist the damaging effect of outliers in the training set.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
على الرغم من أن نماذج الانحدار عالية المرونة وغير البارامترية تتطلب عادةً تقدير أحجام عينات كبيرة بشكل موثوق، خاصة عندما تتضمن العديد من المتغيرات التفسيرية. توفر النماذج الإضافية بديلاً أكثر مرونة من النماذج الخطية، ولا تتأثر بلعنة الأبعاد، وتسمح أيضًا باستكشاف التأثيرات التغايرية الفردية. يمكن أن تكون الخوارزميات القياسية لتناسب هذه النماذج عرضة بشكل كبير لوجود عدد قليل من الملاحظات غير النمطية أو الخارجية في البيانات. تقوم حزمة RBF (Salibian - Barrera & Martıńez، 2020) لـ R بتنفيذ المقدر القوي للنماذج المضافة لـ Boente et al. ( 2017)، والتي يمكن أن تقاوم التأثير الضار للقيم الخارجية في مجموعة التدريب.Translated Description (French)
Bien que très flexibles, les modèles de régression non paramétriques nécessitent généralement une grande taille d'échantillon pour être estimés de manière fiable, en particulier lorsqu'ils incluent de nombreuses variables explicatives. Les modèles additifs fournissent une alternative plus flexible que les modèles linéaires, non affectée par la malédiction de la dimensionnalité, et permettent également l'exploration des effets de covariables individuels. Les algorithmes standard pour s'adapter à ces modèles peuvent être très sensibles à la présence de quelques observations atypiques ou périphériques dans les données. Le package RBF (Salibian-Barrera & Martıńez, 2020) pour R met en œuvre l'estimateur robuste pour les modèles additifs de Boente et al. ( 2017), qui peut résister à l'effet dommageable des valeurs aberrantes dans l'ensemble de formation.Translated Description (Spanish)
Aunque son altamente flexibles, los modelos de regresión no paramétricos generalmente requieren que los tamaños de muestra grandes se estimen de manera confiable, particularmente cuando incluyen muchas variables explicativas. Los modelos aditivos proporcionan una alternativa que es más flexible que los modelos lineales, no se ve afectada por la maldición de la dimensionalidad y también permite la exploración de efectos covariables individuales. Los algoritmos estándar para adaptarse a estos modelos pueden ser altamente susceptibles a la presencia de algunas observaciones atípicas o periféricas en los datos. El paquete RBF (Salibian-Barrera & Martıńez, 2020) para R implementa el estimador robusto para modelos aditivos de Boente et al. ( 2017), que puede resistir el efecto dañino de los valores atípicos en el conjunto de entrenamiento.Files
joss.02992.pdf.pdf
Files
(281.7 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:a86414d91831011749c5228206d5b704
|
281.7 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- RBF: حزمة R لحساب مقدر خلفي قوي للنماذج المضافة
- Translated title (French)
- RBF : Un package R pour calculer un estimateur de backfitting robuste pour les modèles additifs
- Translated title (Spanish)
- RBF: Un paquete R para calcular un estimador de backfitting robusto para modelos aditivos
Identifiers
- Other
- https://openalex.org/W3147355740
- DOI
- 10.21105/joss.02992
References
- https://openalex.org/W1979165205
- https://openalex.org/W2753187320
- https://openalex.org/W4240861491
- https://openalex.org/W4241846116
- https://openalex.org/W4252019146
- https://openalex.org/W4299128553