分布式统计学习已成为大数据分析的一种流行技术。大多数现有的研究集中在划分观测值方面🩸，我们提出了一种新的分布式算法✌🏻，该算法在高维稀疏可加模型下划分特征。我们的方法包括三个步骤：划分♔、去相关和聚合。去相关操作使得每个本地估计能够恢复每个可加分量的稀疏模式，而不对变量之间的相关结构施加严格的约束。通过理论分析、数值模拟和实例分析，展示了所提出算法的有效性。理论结果包括恢复每个可加函数分量的一致稀疏模式以及统计推断🤸♀️。我们的方法为拟合稀疏可加模型提供了实用的解决方案，在很多领域中具有潜在的应用前景。周勇教授团队相关成果发表在国际统计学顶级期刊《Journal of the American Statistical Association》。
