A Note on Consistency of the Kernel Method for the Analysis of Categorical Data
分类数据核方法的一致性札记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：摘要研究分类分布概率的核估计，未涉及离散选择行为模型或其他所列细分领域，故不作领域归类。
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
分类数据核方法的一致性札记
- 研究问题
- 多元分类分布的单元概率如何用核方法估计，既有平滑参数选择准则是否属于交叉验证，以及估计是否一致？
- 方法与思路
- 作者分析既有分类数据核估计方法，将平滑参数选择准则解释为交叉验证，并讨论该估计程序的一致性。
- 材料陈述的贡献
- 摘要称，论文明确了平滑参数选择的交叉验证性质，并证明一致性；摘要同时指出此前已有相关观察。
- 阅读关注点
- 应核对分类核的定义、交叉验证目标及平滑参数约束，确认一致性针对何种收敛方式与样本设定成立。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未说明一致性的具体条件、证明或有限样本表现，不能推断其他版本变化。
原文摘要
Aitchison & Aitken (1976) described a kernel method of estimating the cell probabilities of a multivariate categorical distribution. The criterion for choosing the smoothing parameter is shown to be a cross-validatory choice, as observed by Titterington (1980), and consistency is demonstrated.