균형형 그래디언트 부스팅을 활용한 영가중음이항 GAMLSS 추정 및 나이지리아 산전 관리 데이터 적용

** 본 논문은 GAMLSS(Generalized Additive Models for Location, Scale and Shape)라는 다파라미터 확장형 회귀 모델을 통계적 부스팅 기법으로 추정할 때 발생하는 두 가지 핵심 문제—파라미터 간 업데이트 불균형과 연산 시간 과다—를 해결하고자 한다. 기존 비주기적(Non‑cyclical) 부스팅 알고리즘은 각 파라미터(예: 위치 µ, 스케일 α, 형태 π)의 음의 기울기 크기가 서로 다를 경우, 기울기가 큰 파라미터가 더 자주 선택되어 과도하게 업데이트되고, 반대로 기울기가 작은 파라미터는 충분히 학습되지 않는 ‘불균형’ 현상이 나타난다. 이는 최종 모델에서 변수 선택의 신뢰성을 떨어뜨리고, 조기 종료 시점에서 파라미터별 정규화 정도가 서로 달라 과적합 위험을 높인다. 이를 극복하기 위해 저자들은 ‘축소된 최적 스텝 길이(shrunk optimal step length)’라는 새로운 스텝 길이 조정 방식을 제안한다. 기본 아이디어는 각 파라미터 k에 대해 현재 음의 기울기 u^{