Number-Theoretic Based Tree-Structured Integration Method

Number-Theoretic Based Tree-Structured Integration Method

何侶航(Liu-Hang He)

指導教授 ： 樓文達

國立中正大學/理學院/數學系統計科學研究所/碩士(2015年)

摘要

由於利用線性函數組合去近似一個分配函數曲線是有效且易生成的，於是我們嘗試使用迴歸樹 (tree structured regression) 之方法產生高維度一分配函數之線性模型近似組合，且為了解決線性模型於邊界可能牽扯到負值問題，所以將線性模型做指數轉換。然而迴歸樹方法需要訓練樣本來產生迴歸樹，借由數論方法 (Number-theoretic Methods) 中的 glp-set (good lattice point)，可以得到一組合宜的訓練樣本，經模擬結果顯示，此訓練樣本配合迴歸樹方法在低維度的實驗，能夠精準的估計定積分值；在高維度實驗中亦有不錯的成效。

並列摘要

無資料

並列關鍵字

Number-theoretic Methods ； Tree Structured Regression ； Good Lattice Point

參考文獻

Loh, W.-Y. (2014). extit{GUIDE Classification and Regression Trees User Manual for Version 15.1}

王昱筌 (2012). 線性模型重點抽樣方法之研究. Master's thesis, 國立中正大學.

Fang, K.-T. and Wang, Y. (1994). extit{Number-theoretic Methods in Statistics.} Chapman & Hall.