Abstract
[Ita:]Nella stima robusta di un cluster weighted model, lo statistico deve fare
molte scelte: specificare la forma dei cluster nelle variabili esplicative, assumere
(o meno) varianza uguale per gli errori nelle linee di regressione e impostare i va-
lori degli iper-parametri per la stima robusta, per evitare la distorsione generata
da valori anomali e contaminazione. L’iper-parametro pi`u delicato da specificare
`e la percentuale di trimming, ovvero la quantit`a di dati da escludere nella stima
per garantirne l’affidabilit`a. In questo lavoro introduciamo specifici strumenti dia-
gnostici per aiutare il professionista, o lo scienziato che ha bisogno di classificare
i dati, a compiere una scelta ragionata a riguardo di tale iper-parametro, anche in
base ad una prima esplorazione dello spazio delle soluzioni.
| Lingua originale | Inglese |
|---|---|
| Titolo della pubblicazione ospite | Book of Short Papers : SIS 2021 |
| Editore | Pearson |
| Pagine | 1245-1250 |
| Numero di pagine | 6 |
| ISBN (stampa) | 9788891927361 |
| Stato di pubblicazione | Pubblicato - 2021 |
Keywords
- Cluster-weighted modeling
- Eigenvalue constraint
- Monitoring
- Outliers
- Trimmed BIC