| dbo:abstract
|
- In der Statistik sind verallgemeinerte additive Modelle für Lage-, Skalen- und Formparameter, auch generalisierte additive Modelle für Lokations-, Skalen- und Formparameter (englisch Generalized Additive Model for Location, Scale and Shape (GAMLSS)) moderne verteilungsbasierte Ansätze semiparametrischer Regression, die im Jahr 2005 von Rigby and Stasinopoulos vorgeschlagen wurden. GAMLSS-Modelle bauen auf verallgemeinerten linearen Modellen auf. Im Allgemeinen sind verallgemeinerte Regressionsmodelle Modelle, bei denen die Normalverteilungsannahme für y gelockert wurde und dann auch andere Verteilungen (hauptsächlich aus der Exponentialfamilie) angenommen werden können.Das statistische GAMLSS-Rahmenwerk ermöglicht die Anpassung flexibler Regressions- und Glättungsmodelle an die Daten. Das GAMLSS-Modell geht davon aus, dass die Antwortvariable eine beliebige Parameterverteilung aufweist, die stark oder schwach und positiv oder negativ schief sein kann. Zusätzlich können alle Parameter der Verteilung [ Lageparameter (z. B. Mittelwert), Skalenparameter (z. B. Varianz) und Formparameter (Schiefe und Wölbung) ] als lineare, nichtlineare oder Glättungsfunktion von erklärenden Variablen modelliert werden. (de)
- The Generalized Additive Model for Location, Scale and Shape (GAMLSS) is an approach to statistical modelling and learning. GAMLSS is a modern distribution-based approach to (semiparametric) regression. A parametric distribution is assumed for the response (target) variable but the parameters of this distribution can vary according to explanatory variables using linear, nonlinear or smooth functions. In machine learning parlance, GAMLSS is a form of supervised machine learning. In particular, the GAMLSS statistical framework enables flexible regression and smoothing models to be fitted to the data. The GAMLSS model assumes the response variable has any parametric distribution which might be heavy or light-tailed, and positively or negatively skewed. In addition, all the parameters of the distribution [location (e.g., mean), scale (e.g., variance) and shape (skewness and kurtosis)] can be modeled as linear, nonlinear or smooth functions of explanatory variables. (en)
|
| dbo:wikiPageExternalLink
| |
| dbo:wikiPageID
| |
| dbo:wikiPageLength
|
- 13234 (xsd:nonNegativeInteger)
|
| dbo:wikiPageRevisionID
| |
| dbo:wikiPageWikiLink
| |
| dbp:bot
| |
| dbp:date
| |
| dbp:fixAttempted
| |
| dbp:wikiPageUsesTemplate
| |
| dcterms:subject
| |
| gold:hypernym
| |
| rdf:type
| |
| rdfs:comment
|
- In der Statistik sind verallgemeinerte additive Modelle für Lage-, Skalen- und Formparameter, auch generalisierte additive Modelle für Lokations-, Skalen- und Formparameter (englisch Generalized Additive Model for Location, Scale and Shape (GAMLSS)) moderne verteilungsbasierte Ansätze semiparametrischer Regression, die im Jahr 2005 von Rigby and Stasinopoulos vorgeschlagen wurden. GAMLSS-Modelle bauen auf verallgemeinerten linearen Modellen auf. Im Allgemeinen sind verallgemeinerte Regressionsmodelle Modelle, bei denen die Normalverteilungsannahme für y gelockert wurde und dann auch andere Verteilungen (hauptsächlich aus der Exponentialfamilie) angenommen werden können.Das statistische GAMLSS-Rahmenwerk ermöglicht die Anpassung flexibler Regressions- und Glättungsmodelle an die Daten. Das (de)
- The Generalized Additive Model for Location, Scale and Shape (GAMLSS) is an approach to statistical modelling and learning. GAMLSS is a modern distribution-based approach to (semiparametric) regression. A parametric distribution is assumed for the response (target) variable but the parameters of this distribution can vary according to explanatory variables using linear, nonlinear or smooth functions. In machine learning parlance, GAMLSS is a form of supervised machine learning. (en)
|
| rdfs:label
|
- Verallgemeinerte additive Modelle für Lage-, Skalen- und Formparameter (de)
- Generalized additive model for location, scale and shape (en)
|
| owl:sameAs
| |
| prov:wasDerivedFrom
| |
| foaf:homepage
| |
| foaf:isPrimaryTopicOf
| |
| is dbo:wikiPageRedirects
of | |
| is dbo:wikiPageWikiLink
of | |
| is foaf:primaryTopic
of | |
