TY -的A2 Kloczkowski Andrzej AU -娃,安德烈亚斯盟——Hofner本杰明盟——Waldmann伊丽莎白盟——Hepp Tobias AU -迈耶,塞巴斯蒂安AU - Gefeller用蒙太奇,奥拉夫PY - 2017 DA - 2017/08/02 TI -一个更新在生物医学统计提高SP - 6083072六世- 2017 AB -统计提高算法引发了大量的研究在过去的十年。他们把一个强大的机器学习方法与经典统计模型,提供各种实用的优势比如自动化变量选择和隐式正则化效应的估计。他们是非常灵活的,作为底层base-learners(回归函数定义为解释变量的类型影响)可以结合任何损失函数(目标函数优化,定义的回归类型设置)。综述的文章中,我们强调最近的方法论发展统计增加关于变量选择、功能回归,和先进的造型比较。另外,我们提供一个简短的概述有关统计增加在生物医学中的应用。SN - 1748 - 670 - 2017/6083072 / 10.1155 x你——https://doi.org/10.1155/2017/6083072——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER