标题： 超大规模样本的平滑样条ANOVA：通过舍入参数进行可扩展计算 显示英文标题

标题： Smoothing spline ANOVA for super-large samples: Scalable computation via rounding parameters

摘要： 在大数据时代，研究人员经常收集和分析超大规模样本的数据。 以数据为导向的统计方法已被开发出来，以从超大规模数据中提取信息。 平滑样条方差分析（SSANOVA）是一种从噪声数据中提取信息的有前景的方法；然而，SSANOVA的高计算成本阻碍了其广泛应用。 在本文中，我们提出了一种新的算法，用于拟合超大规模样本数据的SSANOVA模型。 在该算法中，我们引入了四舍五入参数，以使计算具有可扩展性。 为了展示四舍五入参数的好处，我们使用脑电图数据进行了一项模拟研究和一个实际数据示例。 我们的结果表明（使用四舍五入参数），研究人员可以使用标准笔记本电脑或平板电脑在几秒钟内拟合非常大的样本的非参数回归模型。 显示英文摘要

摘要： In the current era of big data, researchers routinely collect and analyze data of super-large sample sizes. Data-oriented statistical methods have been developed to extract information from super-large data. Smoothing spline ANOVA (SSANOVA) is a promising approach for extracting information from noisy data; however, the heavy computational cost of SSANOVA hinders its wide application. In this paper, we propose a new algorithm for fitting SSANOVA models to super-large sample data. In this algorithm, we introduce rounding parameters to make the computation scalable. To demonstrate the benefits of the rounding parameters, we present a simulation study and a real data example using electroencephalography data. Our results reveal that (using the rounding parameters) a researcher can fit nonparametric regression models to very large samples within a few seconds using a standard laptop or tablet computer.