partykit 中的 mob 函数能否使用正则化线性模型（例如岭回归）构建模型树？答案

【问题标题】：Can the mob function in partykit build model trees using regularized linear models, such as ridge regression?partykit 中的 mob 函数能否使用正则化线性模型（例如岭回归）构建模型树？
【发布时间】：2020-07-01 05:10:39
【问题描述】：

是否可以通过partykit中的mob函数正确使用正则化线性或广义线性模型？

我想partykit 使用的参数稳定性测试的零假设需要更改为非标准的布朗桥，因为得分函数在完整的数据点集上不再为 0，而是由惩罚条款。

【问题讨论】：

标签： r-package party

【解决方案1】：

是的，没错。但是，我从未详细研究过这一点，以及真正需要修改哪些内容才能获得一个干净的功能中心极限定理。

一个特别的修改是简单地从个人分数贡献中减去平均分数，以便这些总和再次为零。我的直觉是，这应该会使生成的测试稍微保守一些，以便至少您处于“右侧”。

另一种解决方案是使用来自ctree() 的条件推理过程，而不是来自mob() 的参数稳定性测试。您可以简单地将estfun(model(...)) 提供为ytrafo。请随时通过直接电子邮件与我们（Torsten、Heidi 和我）联系以获得更多指导和讨论。

【讨论】：

非常感谢。如果我有更多问题，我会直接联系。我会考虑 ctree 方法，但我发现通过内置稳定性测试控制模型复杂性的想法太优雅了，不能放弃。
这在 15 年前我们并不清楚，但事实证明 MOB 中的参数不稳定性测试和 CTree 中的条件推理在结合相同的评分函数时非常相似。见eeecon.uibk.ac.at/~zeileis/news/power_partitioning
另外，如果答案对您有帮助，请在 StackOverflow 上接受它，以便将其标记为已解决。谢谢！
我没有意识到接受图标与赞成图标不同，哈哈。我尝试投票但没有足够的声誉。谢谢。