流数据下的复合分位数回归

随着互联网的发展,数据规模急剧增长,但有限的内存只能存储一小批数据,因此在不访问历史数据的情况下进行分析是非常有必要的,流数据分析也因而引起了广泛关注。同时复合分位数回归因其鲁棒性和全面性,在许多领域得到应用,但由于传统复合分位数回归是基于内存可容纳完整数据的条件,因此在流数据环境中实现复合分位数回归是非常有挑战的。针对流数据提出了一种可更新的复合分位数回归方法,可以随着数据的到达,使用当前数据和历史数据的汇总统计量来更新估计量。在理论上证明提出的可更新估计量与使用完整数据得到的估计量是渐近等价的。最后通过模拟研究验证了所提出方法的有效性。