Bandwidth selection in kernel density estimation: Oracle inequalities and adaptive minimax optimality
核密度估计的带宽选择：Oracle 不等式与自适应极小极大最优性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：摘要研究通用核密度估计与自适应风险理论，未明确涉及条件分位数、分布效应或其他指定经济计量方向。
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
核密度估计的带宽选择：Oracle 不等式与自适应极小极大最优性
- 研究问题
- 在给定损失下，如何选择核密度估计的带宽，使风险满足 Oracle 不等式，并适应不同方向的未知平滑程度？
- 方法与思路
- 作者构造核估计量的选择规则，借助经验过程范数的一致界推导风险控制，并分析各向异性函数类上的适应性。
- 材料陈述的贡献
- 摘要称，选择程序满足相应风险 Oracle 不等式，并在一系列各向异性 Nikol’skii 类上实现自适应极小极大性质。
- 阅读关注点
- 应核对损失指标的允许范围、候选带宽与选择准则，以及函数类限制、风险界常数和最优性的准确含义。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；损失参数范围、风险界与实施细节未说明，不能据此判断实际密度估计表现。
原文摘要
We address the problem of density estimation with "$\mathbb{L}_{s}$-loss by selection of kernel estimators. We develop a selection procedure and derive corresponding $\mathbb{L}_{s}$-risk oracle inequalities. It is shown that the proposed selection rule leads to the estimator being minimax adaptive over a scale of the anisotropic Nikol’skii classes. The main technical tools used in our derivations are uniform bounds on the $\mathbb{L}_{s}$-norms of empirical processes developed recently by Goldenshluger and Lepski [Ann. Probab. (2011), to appear].