Комментарии 5
Взглянуть то взглянули, а можно хотя бы пару слов о том, чем же этот подход лучше\хуже остальных и в каких классах задач есть выгода от его применения?
В целом, он позволяет моделировать зависимые переменные со сложным / меняющимся распределением. Условно, при х = 10 зависимая переменная распределена нормально, при х = 20 - экспоненциально. Если вас интересуют конкретные примеры, то укажите конкретную отрасль, чтобы говорить более предметно
В вашем примере параметр х скрытый или явный?
В моем условном примере - явный. А, например, в статье, там где модель mod_3, верхняя строчка (соответствующая tau = 0.1) - это модель регрессии для значения, отсекающего 10 % самых низких зарплат, а нижняя строчка (соответствующая tau = 0.9) - это модель регрессии для значения, отсекающего 10 % самых высоких зарплат
"если функция f(x) непрерывна, но имеет точки перегиба, то k=2" - мне кажется, подразумеваются точки излома, а не точки перегиба
Взглянем на квантильную регрессию