Nonparametric modal regression
非参数众数回归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：摘要明确研究条件分布的局部众数及其不确定性，直接对应分布特征方法，但未声称识别因果分布效应。
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…
非参数众数回归
- 研究问题
- 如何估计给定协变量时响应变量条件分布的局部众数，以揭示均值回归可能遗漏的结构，并量化估计和预测的不确定性？
- 方法与思路
- 作者以响应变量与协变量的联合核密度估计构造众数回归，推导渐近误差界，并利用预测集选择核密度平滑带宽。
- 材料陈述的贡献
- 摘要称给出方法的渐近误差界、置信集与预测集构造，并讨论众数回归同混合回归及密度脊估计的联系。
- 阅读关注点
- 应核对局部众数的定义与可识别条件、误差界的度量、置信集及预测集的覆盖性质，以及预测集带宽选择规则。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，稿件版本未注明；摘要未说明光滑性、众数分离条件或有限样本表现，也未涉及因果解释。
原文摘要
Modal regression estimates the local modes of the distribution of $Y$ given $X=x$, instead of the mean, as in the usual regression sense, and can hence reveal important structure missed by usual regression methods. We study a simple nonparametric method for modal regression, based on a kernel density estimate (KDE) of the joint distribution of $Y$ and $X$. We derive asymptotic error bounds for this method, and propose techniques for constructing confidence sets and prediction sets. The latter is used to select the smoothing bandwidth of the underlying KDE. The idea behind modal regression is connected to many others, such as mixture regression and density ridge estimation, and we discuss these ties as well.