Multivariate binary discrimination by the kernel method
基于核方法的多元二元数据判别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：摘要研究二元特征数据的统计判别及医学诊断，没有经济学离散选择模型的文本依据。
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
基于核方法的多元二元数据判别
- 研究问题
- 如何将连续空间中的核密度估计扩展到多元二元数据，以进行非参数判别，并进一步处理类别数据或混合数据？
- 方法与思路
- 作者将核密度估计推广到多元二元空间，讨论一致性，通过医学诊断问题示例说明方法，并指出若干数据类型的扩展。
- 材料陈述的贡献
- 摘要称，方法具有简单的非参数形式和一致性性质，相比已有参数方法有部分优势，并提供医学诊断应用示例。
- 阅读关注点
- 应核对二元空间中的核定义、平滑参数、一致性条件、判别规则，以及参数方法比较和混合数据扩展的具体依据。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未量化所称优势或交代比较条件，不能推广到所有分类问题或推断刊本变化。
原文摘要
An extension of the kernel method of density estimation from continuous to multivariate binary spaces is described. Its simple nonparametric nature together with its consistency properties make it an attractive tool in discrimination problems, with some advantages over already proposed parametric counterparts. The method is illustrated by an application to a particular medical diagnostic problem. Simple extensions of the method to categorical data and to data of mixed binary and continuous form are indicated.