A note on consistency of the kernel method for the analysis of categorical data
分类数据分析中核方法一致性的一个注记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：摘要涉及一般分类分布的核估计，未描述个体选择机制或离散选择模型。
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
分类数据分析中核方法一致性的一个注记
- 研究问题
- 研究多元分类分布单元概率的核估计中，已有平滑参数选择准则与交叉验证的关系，以及该方法的一致性。
- 方法与思路
- 作者重新解释已有分类数据核估计的平滑参数选择准则，说明其属于交叉验证选择，并对一致性进行理论论证。
- 材料陈述的贡献
- 摘要明确陈述了平滑参数准则的交叉验证解释与一致性结果，但未说明收敛速度、有限样本效果或更广泛推广。
- 阅读关注点
- 应核对交叉验证目标、平滑参数允许范围、一致性针对的对象，以及类别数与样本量之间是否存在必要限制。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，无法确认一致性的具体条件和收敛形式；分类概率估计也不足以认定为离散选择研究。
原文摘要
Aitchison & Aitken (1976) described a kernel method of estimating the cell probabilities of a multivariate categorical distribution. The criterion for choosing the smoothing parameter is shown to be a cross-validatory choice, as observed by Titterington (1980), and consistency is demonstrated.