Nonparametric Prediction Distribution from Resolution-Wise Regression with Heterogeneous Data
异质数据逐分辨率回归的非参数预测分布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：摘要直接以条件响应分布和直方图预测替代单一均值，并处理数据异质性，最直接对应分布方向。
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…
异质数据逐分辨率回归的非参数预测分布
- 研究问题
- 对于异质数据，如何不依赖额外聚类信息，把仅预测条件均值的回归扩展为估计完整条件响应分布的方法？
- 方法与思路
- 作者以边际二进制展开分解响应的分辨率和预测变量的模式，用惩罚逻辑回归建模其关系，再组合为条件分布直方图。
- 材料陈述的贡献
- 摘要称提出逐分辨率的非参数预测分布程序，并在维度增长时证明确定独立筛选性质和一致性，以模拟及房产估值数据展示效果。
- 阅读关注点
- 应核对二进制展开的截断、直方图分辨率和惩罚选择，以及筛选性质、一致性条件和对不同异质结构的适应范围。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要，无法判断条件分布估计的校准和尾部精度；完整条件、调参与数值结果未说明，未核对刊本变化。
原文摘要
Modeling and inference for heterogeneous data have gained great interest recently due to rapid developments in personalized marketing. Most existing regression approaches are based on the conditional mean and may require additional cluster information to accommodate data heterogeneity. In this paper, we propose a novel nonparametric resolution-wise regression procedure to provide an estimated distribution of the response instead of one single value. We achieve this by decomposing the information of the response and the predictors into resolutions and patterns respectively based on marginal binary expansions. The relationships between resolutions and patterns are modeled by penalized logistic regressions. Combining the resolution-wise prediction, we deliver a histogram of the conditional response to approximate the distribution. Moreover, we show a sure independence screening property and the consistency of the proposed method for growing dimensions. Simulations and a real estate valuation dataset further illustrate the effectiveness of the proposed method.