Distribution-free Prediction Bands for Non-parametric Regression
非参数回归的无分布预测带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：摘要研究通用非参数回归预测带，未指定宏观预测、收益预测或所列其他应用方向。
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
非参数回归的无分布预测带
- 研究问题
- 非参数回归预测带可以提供哪些有限样本覆盖保证，如何兼顾这类保证与逼近理想预测带的渐近效率？
- 方法与思路
- 作者区分不同有限样本覆盖概念，将保形预测与非参数条件密度估计结合构造 COPS，并开发快速近似与数据驱动带宽选择。
- 材料陈述的贡献
- 摘要称，COPS 具有有限样本保证，在正则条件下以极小极大最优速率收敛至理想预测带，并给出模拟和真实数据示例。
- 阅读关注点
- 应核对有限样本保证的覆盖对象与数据条件、理想预测带的定义，以及近似算法和带宽选择是否保留相应保证。
- 阅读边界
- 仅依据所给 Crossref 摘要。具体覆盖类型与正则条件未说明，不能把有限样本保证直接理解为逐点条件覆盖或任意依赖数据下有效。
原文摘要
Summary We study distribution-free, non-parametric prediction bands with a focus on their finite sample behaviour. First we investigate and develop different notions of finite sample coverage guarantees. Then we give a new prediction band by combining the idea of ‘conformal prediction’ with non-parametric conditional density estimation. The proposed estimator, called COPS (conformal optimized prediction set), always has a finite sample guarantee. Under regularity conditions the estimator converges to an oracle band at a minimax optimal rate. A fast approximation algorithm and a data-driven method for selecting the bandwidth are developed. The method is illustrated in simulated and real data examples.