An Asymptotic Equivalence of Choice of Model by Cross-Validation and Akaike's Criterion
交叉验证与 Akaike 准则选择模型的渐近等价性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：摘要讨论一般预测密度的模型选择理论，没有宏观预测或金融收益预测的明确对象。
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
交叉验证与 Akaike 准则选择模型的渐近等价性
- 研究问题
- 当各候选模型均采用极大似然估计，并用对数尺度评价预测密度时，交叉验证与 Akaike 准则是否具有渐近等价的选模行为？
- 方法与思路
- 作者以预测密度的对数表现为评价基础，在各模型内部采用极大似然估计，分析交叉验证选模与 Akaike 准则的渐近关系。
- 材料陈述的贡献
- 摘要称，在所述对数评价和极大似然估计设置中，两种选模方法具有渐近等价性；未说明等价性的精确定义和证明条件。
- 阅读关注点
- 应核对交叉验证的具体方案、候选模型集合、对数评价对象，以及等价结论指准则展开、排序还是最终模型选择。
- 阅读边界
- 仅据所给 Crossref 摘要；交叉验证形式与渐近条件未说明，不能推断有限样本选择相同或推广到任意预测损失。
原文摘要
Summary A logarithmic assessment of the performance of a predicting density is found to lead to asymptotic equivalence of choice of model by cross-validation and Akaike's criterion, when maximum likelihood estimation is used within each model.