Optimal Allocation and Volume under Surface
最优配置与曲面下体积AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦 ROC 曲面下体积的估计与推断及 U 统计量、机器学习估计量，未明确涉及所列因果推断、面板、离散选择、时间序列或金融等细分方向的文本依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
最优配置与曲面下体积
- 研究问题
- 研究如何估计与推断临界函数集合投影的体积，尤其关注最优 ROC 曲面下方的凸体体积（VUS）。
- 方法与思路
- 摘要称先以 Aumann 期望表示体积，再借助 Minkowski 混合体积计算；并证明总体 VUS 与对称 U 统计量核的期望成比例，进而提出双/去偏机器学习估计量并推导渐近性质与推断程序。
- 材料陈述的贡献
- 作者提出一个体积估计与推断框架，给出 VUS 的 U 统计量表示与双重稳健型估计量及推断方法，并称可应用于分组可行误差集分析与基尼系数的自然推广。
- 阅读关注点
- 应核对 Aumann 期望与 Minkowski 混合体积表示所需的条件、U 统计量核的具体形式、估计量的渐近分布与推断有效性条件，以及分组误差集与基尼推广的具体定义。
- 阅读边界
- 仅凭摘要无法判断识别假设是否充分、渐近性质成立的条件、有限样本表现与实证结果；摘要未说明数据来源与具体数值结论。
原文摘要
This paper develops a framework for estimation and inference on the volumes of sets that are projections of critical function sets, focusing particularly on the convex body beneath the optimal receiver operating characteristic (ROC) surface. Specifically, we propose a volume calculation method that first uses an Aumann expectation representation and then applies Minkowski mixed volumes. Using this framework, we show that the population volume under the ROC surface (VUS) is proportional to the expectation of a symmetric U-statistic kernel. We then propose a double/debiased machine learning estimator of the VUS, derive its asymptotic properties, and develop an inference procedure. Further applications of this framework include an analysis of the feasible error set across pre-defined groups and a natural generalization of the Gini coefficient for measuring inequality.