Stopnie swobody w wielu kontekstach nie są liczbami całkowitymi. Rzeczywiście w kilku okolicznościach można ustalić, że stopnie swobody dopasowania danych dla niektórych konkretnych modeli muszą zawierać się między pewną wartością a .kk+1
Zwykle myślimy o stopniach swobody jako liczbie wolnych parametrów, ale zdarzają się sytuacje, w których parametry nie są całkowicie wolne i mogą być trudne do zliczenia. Może się to zdarzyć na przykład podczas wygładzania / regulowania.
Przypadki lokalnie ważonej metody regresji / jądra i wygładzania splajnów są przykładami takiej sytuacji - całkowita liczba wolnych parametrów nie jest czymś, co można łatwo policzyć, dodając predyktory, więc potrzebna jest bardziej ogólna koncepcja stopni swobody.
W uogólnionych modelach addytywnych, na których gam
częściowo opiera się, Hastie i Tibshirani (1990) [1] (i rzeczywiście w wielu innych odnośnikach) dla niektórych modeli, w których możemy napisać , czasami przyjmuje się, że stopnie swobody są (omawiają także nazwa lub ). Pierwszy jest zgodny z bardziej typowym podejściem, w którym oba działają (np. W regresji, gdzie w normalnych sytuacjach będzie wymiarem kolumny ), ale gdy jest symetryczny i idempotentny, wszystkie trzy formuły są takie same.y^=Aytr(A)tr(AAT)tr(2A−AAT)tr(A)XA
[Nie mam tego podręcznego podręcznika, żeby sprawdzić wystarczającą ilość szczegółów; alternatywą tych samych autorów (plus Friedmana), którą łatwo zdobyć, są elementy uczenia statystycznego [2]; patrz na przykład równanie 5.16, które definiuje efektywne stopnie swobody wygładzania splajnu jako nazwa (w mojej notacji)]tr(A)
Mówiąc bardziej ogólnie, Ye (1998) [3] zdefiniował uogólnione stopnie swobody jako , który jest sumą wrażliwości dopasowanych wartości na odpowiadające im obserwacje. Z kolei jest to zgodne z nazwa którym ta definicja działa. Aby użyć definicji Ye, wystarczy jedynie obliczyć i zaburzyć dane o niewielką ilość (w celu obliczenia liczbowo). Dzięki temu ma bardzo szerokie zastosowanie.∑i∂y^i∂yitr(A)y^∂y^i∂yi
W przypadku modeli takich jak te gam
, te różne miary zasadniczo nie są liczbami całkowitymi.
(Bardzo polecam przeczytanie dyskusji tych odniesień na ten temat, choć historia może się nieco bardziej skomplikować w niektórych sytuacjach. Patrz na przykład [4])
[1] Hastie, T. i Tibshirani, R. (1990),
Generalized Additive Models
London: Chapman and Hall.
[2] Hastie, T., Tibshirani, R. and Friedman, J. (2009),
The Elements of Statistics Learning: Data Mining, Inference and prediction , 2ndEd
Springer-Verlag.
https://statweb.stanford.edu/~tibs/ElemStatLearn/
[3] Ye, J. (1998),
„O mierzeniu i korygowaniu skutków eksploracji danych i selekcji modeli”
Journal of American Statistics Association , t. 93, nr 441, str. 120–131
[4] Janson, L., Fithian, W., i Hastie, T. (2013),
„Skuteczne stopnie wolności: wadliwa metafora”
https://arxiv.org/abs/1312.7851