Smoothers and the C p , Generalized Maximum Likelihood, and Extended Exponential Criteria
平滑器与 Cp、广义最大似然及扩展指数准则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。
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：摘要属于通用非参数回归与调参方法，没有所列领域细分的直接应用证据。
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
平滑器与 Cp、广义最大似然及扩展指数准则
- 研究问题
- 非参数回归中如何选择平滑参数，使拟合程度与粗糙度取得平衡，并缓解现有准则的高变异或较大偏差？
- 方法与思路
- 作者分析平滑参数选择准则的几何结构，解释 Cp 与广义最大似然的长短处，并由此提出扩展指数准则。
- 材料陈述的贡献
- 摘要称新准则结合两种既有准则的优点，减轻变异、偏差及平滑不足问题；材料未给出改善幅度或比较条件。
- 阅读关注点
- 应核对几何分析适用的平滑器类别、新准则的具体定义，以及偏差、变异和平滑不足的衡量方式与比较证据。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未说明误差分布、理论条件和实验结果，不能判断新准则是否在所有场景占优。
原文摘要
Nonparametric regression, often called smoothing, is a widely used data analysis method. The use of a smoother requires the choice of a smoothing parameter that by balancing fidelity and roughness controls how much smoothing is done. Two popular selection criteria for choosing the smoothing parameter are Cp and generalized maximum likelihood (GML). Each of these has its own problems. ForCp, the problem is its high variability, whereas for GML, the problem is its potentially large bias. By studying the geometry of selection criteria, we give an intuitive explanation of the strength and weakness of Cp and GML. The geometry then motivates a new selection method, the extended exponential (EE) criterion, which combines the strength of Cp and GML but mitigates their weaknesses in terms of variability, bias, and undersmoothing.