The Data-Smoothing Aspect of Stein Estimates
Stein估计的数据平滑性质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：摘要涉及非参数回归平滑的一般风险理论，未提供所列领域细分的直接文本依据。
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
Stein估计的数据平滑性质
- 研究问题
- 在非参数回归中，将原始数据向线性平滑结果收缩，能否构造在平均平方误差风险下具有保证的平滑估计？
- 方法与思路
- 作者研究Stein估计的平滑作用，通过适当收缩原始数据至任意线性平滑器的输出，构造带风险保证的估计。
- 材料陈述的贡献
- 摘要称，在平均平方误差损失下，所构造的平滑估计支配原始数据估计，因此具有有界的最大风险。
- 阅读关注点
- 应核对适当收缩的具体规则、误差分布和维数条件，以及支配原始数据与比较其他平滑方法之间的区别。
- 阅读边界
- 来源为稿件版本未注明的OpenAlex索引摘要；风险保证的完整条件未提供，摘要也未声称支配所有线性平滑器或其他估计方法。
原文摘要
The data smoothing aspect of Stein estimates is explored in the nonparametric regression settings. We show that appropriately shrinking the raw data towards any linear smoother will provide a robust "smoother" (which dominates the raw data and hence has a bounded maximum risk when the average squared error loss is concerned).