첫 번째 질문에 대해서는 "표준"을 정의하거나 "표준 모델"이 점차 확립되었음을 인정해야합니다. 언급 한 바와 같이, 최소한 IRWLS를 사용하는 방식이 다소 표준적인 것으로 보입니다.
두 번째 질문에 관해서는, "확률에서의 수축 매핑"은 (비공식적으로) "재귀 확률 알고리즘"의 수렴에 연결될 수 있습니다. 내가 읽은 것으로부터 주로 공학에 관한 주제에 관한 거대한 문헌이 있습니다. 경제학에서 우리는 작은 부분을 사용합니다. 특히 Lennart Ljung의 주요 작품-첫 번째 논문은 Ljung (1977) -재귀 확률 알고리즘의 수렴 여부는 안정성 (또는 아닙니다) 관련 일반 미분 방정식.
(다음 의견은 의견에서 OP와 유익한 토론을 한 후 재 작업되었습니다)
수렴
나는 참고로 사용할 세이버 Elaydi "차이 방정식에 소개"2005 년, 3D 에디션.
주어진 데이터 샘플에 대한 분석은 조건부이므로 는 고정 된 것으로 취급됩니다. x′s
에서 재귀 함수로 간주 목적 함수의 최소화를위한 1 차 조건, ,
m
m(k+1)=∑i=1Nvi[m(k)]xi,vi[m(k)]≡wi[m(k)]∑Ni=1wi[m(k)][1]
고정 점 (목표 함수의 인수)이 있습니다. 정리 1.13 PP Elaydi 27-28 의하여에 대하여 1 차 도함수 경우 의 RHS의은 , 고정 점에서 평가 , 그것을 나타내는 ,의 1보다 작다 절대 값이면 는 점진적으로 안정적입니다 (AS). 정리 4.3 p.179에 따르면 고정 점이 균일하게 AS (UAS) 임을 의미합니다 .
"증상 적으로 안정적"은 고정 소수점 주위의 일부 값 범위에 대해 크기가 반드시 작지는 않지만 이웃 에 대해 고정 소수점이 매력적 임을 의미 합니다.m[1]m∗A′(m∗)m∗
(m∗±γ)알고리즘이이 이웃에 값을 제공하면 수렴됩니다. "uniform"속성은이 이웃의 경계 및 그 크기가 알고리즘의 초기 값과 무관 함을 의미합니다. 인 경우 고정 소수점은 전역 적으로 UAS 가됩니다 .
우리의 경우에γ=∞
|A′(m∗)|≡∣∣∣∣∑i=1N∂vi(m∗)∂mxi∣∣∣∣<1[2]
우리는 UAS 자산을 입증했지만 전 세계적으로 수렴하지 않았습니다. 그런 다음 우리는 어트랙션 주변이 실제로 전체 확장 실수이거나 OP가 주석에 언급 된대로 사용하는 특정 시작 값 (및 IRLS 방법론의 표준), 즉 샘플 평균임을 확인하려고 시도 할 수 있습니다 의 의, , 항상 고정 점의 매력의 이웃에 속한다.xx¯
미분
∂vi(m∗)∂m=∂wi(m∗)∂m∑Ni=1wi(m∗)−wi(m∗)∑Ni=1∂wi(m∗)∂m(∑Ni=1wi(m∗))2
=1∑Ni=1wi(m∗)⋅[∂wi(m∗)∂m−vi(m∗)∑i=1N∂wi(m∗)∂m]
그런 다음
A′(m∗)=1∑Ni=1wi(m∗)⋅[∑i=1N∂wi(m∗)∂mxi−(∑i=1N∂wi(m∗)∂m)∑i=1Nvi(m∗)xi]
=1∑Ni=1wi(m∗)⋅[∑i=1N∂wi(m∗)∂mxi−(∑i=1N∂wi(m∗)∂m)m∗]
과
|A′(m∗)|<1⇒∣∣∣∣∑i=1N∂wi(m∗)∂m(xi−m∗)∣∣∣∣<∣∣∣∣∑i=1Nwi(m∗)∣∣∣∣[3]
우리는
∂wi(m∗)∂m=−ρ′′(|xi−m∗|)⋅xi−m∗|xi−m∗||xi−m∗|+xi−m∗|xi−m∗|ρ′(|xi−m∗|)|xi−m∗|2=xi−m∗|xi−m∗|3ρ′(|xi−m∗|)−ρ′′(|xi−m∗|)⋅xi−m∗|xi−m∗|2=xi−m∗|xi−m∗|2⋅[ρ′(|xi−m∗|)|xi−m∗|−ρ′′(|xi−m∗|)]=xi−m∗|xi−m∗|2⋅[wi(m∗)−ρ′′(|xi−m∗|)]
이 점을 삽입 우리가[3]
∣∣∣∣∑i=1Nxi−m∗|xi−m∗|2⋅[wi(m∗)−ρ′′(|xi−m∗|)](xi−m∗)∣∣∣∣<∣∣∣∣∑i=1Nwi(m∗)∣∣∣∣
⇒∣∣∣∣∑i=1Nwi(m∗)−∑i=1Nρ′′(|xi−m∗|)∣∣∣∣<∣∣∣∣∑i=1Nwi(m∗)∣∣∣∣[4]
이것은 고정 점이 UAS가 되려면 충족되어야하는 조건입니다. 우리의 경우에 페널티 함수는 볼록하기 때문에 관련된 합계는 양수입니다. 조건 는[4]
∑i=1Nρ′′(|xi−m∗|)<2∑i=1Nwi(m∗)[5]
만약 가 허버트의 손실 함수라면, 우리는 2 차 ( )와 선형 ( ) 가지를 가지게됩니다.ρ(|xi−m|)ql
ρ(|xi−m|)=⎧⎩⎨(1/2)|xi−m|2|xi−m|≤δδ(|xi−m|−δ/2)|xi−m|>δ
과
ρ′(|xi−m|)={|xi−m||xi−m|≤δδ|xi−m|>δ
ρ′′(|xi−m|)={1|xi−m|≤δ0|xi−m|>δ
⎧⎩⎨⎪⎪wi,q(m)=1|xi−m|≤δwi,l(m)=δ|xi−m|<1|xi−m|>δ
우리는우리를 이차 분기에 배치하고 선형에 몇 개를 배치하면 조건 를 ( ) 으로 분해합니다|xi−m∗|[5]Nq+Nl=N
∑i=1Nqρ′′q+∑i=1Nlρ′′l<2[∑i=1Nqwi,q+∑i=1Nlwi,l]
⇒Nq+0<2[Nq+∑i=1Nlwi,l]⇒0<Nq+2∑i=1Nlwi,l
보유하고 있습니다. 따라서 Huber 손실 함수의 경우 알고리즘의 고정 점은 관계없이 균일하게 점진적으로 안정적 입니다. 첫 번째 미분 값 은 고정 소수점뿐만 아니라 모든 대한 절대 값이 1보다 작습니다 . xm
우리가 지금해야 할 일은 UAS 속성이 전역 적이거나 이면 이 의 인력 근처에 속한다 는 것을 증명하는 것입니다 .m(0)=x¯m(0)m∗