Optimal near neighbour estimator for use in discriminant analysis
用于判别分析的最优近邻估计量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：摘要关注一般判别分析和近邻估计，未提供离散选择行为模型或经济金融应用依据，故不选择所给细分。
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
用于判别分析的最优近邻估计量
- 研究问题
- 在判别分析所用的非参数估计中，如何构造自适应的加权近邻估计量，使其在所考察范围内最小化均方误差？
- 方法与思路
- 作者将已有非参数估计量解释为加权近邻估计，继而构造自适应权重方案，分析估计性质与计算实现。
- 材料陈述的贡献
- 摘要称，提出的自适应加权近邻估计量最小化均方误差，并且易于计算；摘要没有列出性质分析的具体结论。
- 阅读关注点
- 应核对具体估计对象、权重与邻域如何自适应，以及均方误差最小化所针对的模型条件和候选估计范围。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；最优性条件与计算复杂度未说明，不能推断其分类错误率优于所有替代方法。
原文摘要
The nonparametric estimators introduced by Hills (1967) and Aitchison & Aitken (1976) can be viewed as weighted near neighbour estimators. In this paper we show how to construct an adaptive weighted near neighbour estimator which minimizes mean squared error. We examine its properties. The estimator is very easy to compute.