Journal of Econometrics und Journal of Machine Learning ResearchNeue Veröffentlichungen von der Professur für Statistik
8. April 2025

Foto: Unsplash/Google Deep Mind
Prof. Dr. Martin Spindler und sein Team haben neue Erkenntnisse zu den Themen Additive Modelle und Boosting veröffentlicht.
Estimation and uniform inference in sparse high-dimensional additive models
Der Artikel "Estimation and uniform inference in sparse high-dimensional additive models", der zusammen von Dr. Philipp Bach, Dr. Sven Klaassen, Prof. Dr. Martin Spindler – alle von der Professur für Statistik – und Prof. Dr. Jannis Kueck (ehemals University of Hamburg Business School, jetzt Heinrich Heine Universität Düsseldorf, HHU) verfasst wurde, ist im Journal of Econometrics erschienen. Additive Modelle sind in der empirischen Wirtschaftsforschung sehr populär und erleben gerade auch wieder ein Revival als interpretierbare KI-Methoden. In dem Paper wird gezeigt, wie mit modernen maschinellen Lernmethoden eine Quantifizierung der Schätzunsicherheit in additiven Modellen erreicht werden kann.
High-Dimensional L2Boosting: Rate of Convergence
Boosting ist eine der populärsten maschinellen Lernmethoden, aber die Eigenschaft von Boosting-Algorithmen sind immer noch weitgehend unbekannt. In dem Artikel "High-Dimensional L2Boosting: Rate of Convergence" werden die Konvergenzraten von Boosting gezeigt. Der Artikel erscheint im Journal of Machine Learning Research, der führenden Zeitschrift im Bereich maschinellem Lernen, und wurde von Prof. Dr. Ye Luo (Hong Kong University), Prof. Dr. Jannis Kück (Heinrich Heine Universität Düsseldorf, HHU) und Prof. Dr. Martin Spindler verfasst.