Nonparametric Regression: Optimal Local Bandwidth Choice
非参数回归中的最优局部带宽选择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：摘要属于通用核回归与带宽选择理论，医学应用未提供所列计量细分领域的依据。
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
非参数回归中的最优局部带宽选择
- 研究问题
- 在核回归中，如何根据数据为不同位置选择带宽，并使这种局部调参方法在局部二次误差标准下具有渐近最优性？
- 方法与思路
- 作者通过最小化局部交叉验证准则选择数据驱动的带宽，分析核回归误差，并提供蒙特卡洛实验与医学数据应用。
- 材料陈述的贡献
- 摘要称该局部带宽选择方法对于局部二次误差度量具有渐近最优性，并以模拟和实际数据展示方法的使用。
- 阅读关注点
- 核对局部交叉验证准则、带宽搜索范围及边界处理，明确渐近最优性的比较对象，并查看模拟如何衡量局部误差。
- 阅读边界
- 仅据所给 Crossref 摘要；最优性所需条件及有限样本结果未提供，不能推广到任意误差准则、数据依赖结构或回归函数。
原文摘要
SUMMARY Kernel estimators of a regression function are investigated. The bandwidths are locally chosen by a data-driven method based on the minimization of a local cross-validation criterion. This method is shown to be asymptotically optimal with respect to local quadratic measures of errors. Monte Carlo experiments are presented, and finally the method is applied to some data of medical interest.