On the Strong Universal Consistency of Nearest Neighbor Regression Function Estimates
最近邻回归函数估计的强普适一致性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：摘要讨论非参数回归的一般一致性，未明确对应所列经济或金融细分领域。
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…
最近邻回归函数估计的强普适一致性
- 研究问题
- 最近邻回归估计的不同收敛方式何时等价，邻居数量随样本量增长又需要满足什么条件才能获得强普适一致性？
- 方法与思路
- 作者在回归变量有界时比较三种 L1 收敛方式，并在邻居数与样本量对数之比趋于无穷的附加条件下分析一致性。
- 材料陈述的贡献
- 摘要称依概率、几乎必然和完全收敛在该有界设定下等价，并在所述附加条件下得到强普适一致性。
- 阅读关注点
- 应核对有界性所指变量、邻居数的完整增长条件、普适性覆盖的分布类别，以及距离和并列邻居的处理。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；完整条件未列出，不能把摘要中的附加增长条件单独视为充分条件。
原文摘要
Two results are presented concerning the consistency of the $k$-nearest neighbor regression estimate. We show that all modes of convergence in $L_1$ (in probability, almost sure, complete) are equivalent if the regression variable is bounded. Under the additional conditional $k/\log n \rightarrow \infty$ we also obtain the strong universal consistency of the estimate.