The general regularisation scheme applied to conditional density estimation
一般正则化方案在条件密度估计中的应用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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：核心内容是通用非参数条件密度估计，时间序列仅列为实验情景，尚不足以确定主要领域细分。
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
一般正则化方案在条件密度估计中的应用
- 研究问题
- 如何将用于回归、密度比和得分估计的一般正则化方案扩展至条件密度估计，同时获得可实现算法与严格的收敛速率？
- 方法与思路
- 作者建立涵盖多类非参数估计问题的统一框架，推导条件密度估计量，采用 Landweber 正则化，并进行包括时间序列的数值实验。
- 材料陈述的贡献
- 摘要称，新估计量具有严格建立的收敛速率，所用正则化在该问题中计算更易处理，实验表现达到或优于所列核估计基准。
- 阅读关注点
- 应核对统一框架中的算子与损失定义、收敛速率依赖的条件、迭代停止规则，以及与其他正则化和核估计比较的设置。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未获核实；摘要未给出具体速率、计算复杂度或实验范围，不能据此认定全面优越。
原文摘要
The general regularisation scheme, a versatile approach for nonparametric estimation, has been successfully applied to regression, density ratio, and score estimation. In this paper, we introduce a unified framework encompassing these settings and extend it to conditional density estimation, deriving a new estimator with rigorously established convergence rates. We implement the Landweber regularisation, which is computationally more tractable than Tikhonov regularisation in this context. Numerical experiments demonstrate that our estimator matches or outperforms the Nadaraya-Watson estimator in various scenarios, including time series models.