高维尾期望回归模型分布式估计方法的改进

文章针对高维尾期望回归模型的估计问题提出了一种在交互有效的替代损失(CSL)方法基础上进行优化函数改进的分布式估计方法,具体的改进步骤为:通过构建正则化的梯度增强型损失(GEL)函数,使所有Worker机器都能并行地优化各自对应的正则化GEL函数,并通过Master机器对计算结果进行更新。数值模拟和实证分析验证了该改进方法的估计误差收敛于基于所有数据的Centralize方法的估计误差,且相对于CSL方法,该方法具有较快的收敛速度。