广义 Engression 模型

arXiv:2610.01823v1 发布类型：cross 摘要：我们研究在给定协变量的情况下估计多元结果条件分布的问题，其中结果的各个坐标可以是连续型、二元型、类别型、有序型或排名型，并且这些坐标之间存在条件依赖。针对每种结果类型，人们已经发展出不同的统计方法，但其中大多数方法的目标是条件分布的某种汇总量，例如各坐标的均值，而不是结果向量的联合分布。我们提出广义 engression 模型，这是一种适用于任意类型结果的统一非参数分布回归框架。该方法建立在 engression（一种基于评分规则的深度生成模型）之上，引入了针对数据类型的链接函数和能够平滑损失函数的随机扰动，从而即使链接函数不连续，也可以进行基于梯度的训练。我们针对连续型、离散型和混合型结果建立了普适表示结果。在模拟实验以及两个应用中——一个包含242个物种的群落生态学基准数据集和一个17维混合类型健康结果数据集——该方法在边际评分上与特定类型模型相当，在联合分布方面优于这些模型，并且达到或超过了专门构建的最先进联合物种分布模型。软件可通过 Python 使用。