An Asymptotically Efficient Solution to the Bandwidth Problem of Kernel Density Estimation
核密度估计带宽选择的渐近有效解法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：摘要讨论通用核密度估计，未涉及经济分布效应或其他所列细分领域。
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…
关注这篇论文的作者
核密度估计带宽选择的渐近有效解法
- 研究问题
- 研究如何从数据中选择核密度估计的带宽，使其渐近表现接近平均平方误差或积分平方误差准则下的最优选择。
- 方法与思路
- 作者从修改 Kullback–Leibler 或伪似然交叉验证函数出发，启发式构造带宽选择方法，并分析其与误差最优带宽的渐近等价性。
- 材料陈述的贡献
- 摘要称，给定核函数后，该方法无需对真实密度作精确的光滑性设定，即可达到所讨论误差准则下的渐近最优带宽选择。
- 阅读关注点
- 应核对修改后的交叉验证准则、渐近等价性的定义与条件，以及无需精确光滑性设定所允许的密度范围和有限样本表现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；无需精确光滑性设定不等于完全没有正则条件，摘要也未给出具体收敛速度。
原文摘要
A data-driven method of choosing the bandwidth, $h$, of a kernel density estimator is heuristically motivated by considering modifications of the Kullback-Leibler or pseudo-likelihood cross-validation function. It is seen that this means of choosing $h$ is asymptotically equivalent to taking the $h$ that minimizes some compelling error criteria such as the average squared error and the integrated squared error. Thus, for a given kernel function, the bandwidth can be chosen optimally without making precise smoothness assumptions on the underlying density.