Bandwidth choice for nonparametric classification
非参数分类中的带宽选择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：摘要涉及通用核分类与密度估计，未提供离散选择或经济预测的直接依据。
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
非参数分类中的带宽选择
- 研究问题
- 核分类的最优带宽为何可能不同于逐点密度估计带宽，密度交点及曲率符号如何影响这种差异？
- 方法与思路
- 作者研究一维两总体核分类的风险最优带宽，按密度交点数量与曲率符号区分情形，并讨论多维推广和经验规则。
- 材料陈述的贡献
- 摘要称，一维单交点且曲率同号时需要更大的带宽量级；其他所述情形及多维情形一般采用常规带宽量级。
- 阅读关注点
- 应核对风险目标、交点与曲率条件、带宽量级的精确定义，以及经验规则如何识别不同情形和处理多维问题。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能给出具体带宽公式或有限样本优势，也不能把更大量级解释为固定倍数。
原文摘要
It is shown that, for kernel-based classification with univariate distributions and two populations, optimal bandwidth choice has a dichotomous character. If the two densities cross at just one point, where their curvatures have the same signs, then minimum Bayes risk is achieved using bandwidths which are an order of magnitude larger than those which minimize pointwise estimation error. On the other hand, if the curvature signs are different, or if there are multiple crossing points, then bandwidths of conventional size are generally appropriate. The range of different modes of behavior is narrower in multivariate settings. There, the optimal size of bandwidth is generally the same as that which is appropriate for pointwise density estimation. These properties motivate empirical rules for bandwidth choice.