Скачать или смотреть Линейные предикторы с максимальным согласием

В данной статье рассматривается *Линейный предиктор с оценкой максимального согласия (EMALP)**, новый метод прогнозирования, разработанный для максимизации меры согласия между предсказанными и фактическими значениями (предикат). Это согласие количественно оценивается с помощью **коэффициента корреляции конкордации Линя (CCC)**, который особенно полезен в таких ситуациях, как калибровка или импутация, когда исследователи заинтересованы в соответствии с точкой зрения 45-градусной линии. Исследование тщательно сравнивает EMALP с традиционным **Линейным предиктором с оценкой наименьших квадратов (ELSLP)**, который вместо этого сформулирован для минимизации среднеквадратической ошибки прогнозирования (MSE). С помощью теоретического анализа асимптотических свойств и практических иллюстраций с использованием реальных наборов данных, таких как данные о глазах и данные о жировой прослойке тела, авторы показывают, что EMALP является **жизнеспособной альтернативой* ELSLP. Ключевой вывод выявляет компромисс: хотя *EMALP работает лучше, когда критерием является максимизация CCC* (что часто достигается за счёт рецентрирования и масштабирования версии ELSLP для соответствия дисперсии предиктора), **ELSLP остаётся предпочтительным предиктором, если целью является минимизация MSE**.

https://arxiv.org/pdf/2304.04221

https://github.com/pchausse/malp