A Lower Bound on the Error in Nonparametric Regression Type Problems
非参数回归类问题中的估计误差下界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：摘要给出一般非参数估计误差理论，未提供可归入所列具体计量方向的模型或应用。
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
非参数回归类问题中的估计误差下界
- 研究问题
- 在条件密度依赖未知函数的回归类问题中，估计误差能达到怎样的下界，该下界如何随局部信息与函数平滑性变化？
- 方法与思路
- 作者在度量参数空间中建立估计误差下界，利用条件密度的局部 Kullback 信息行为，并应用于平滑函数的估计。
- 材料陈述的贡献
- 摘要称，论文给出了度量意义下的误差下界，其阶数取决于局部 Kullback 信息，并考察以特定距离衡量的平滑函数空间。
- 阅读关注点
- 应核对下界对应的风险定义、设计变量与条件密度的要求，以及平滑度、定义域维数和距离选择如何影响下界。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要，具体下界阶数与正则条件未提供，也不能据此认定存在达到下界的估计量。
原文摘要
Let $(X_1, Y_1), \cdots, (X_n, Y_n)$ be a sample, denote the conditional density of $Y_i\mid X_i = x_i$ as $f(y\mid x_i, \theta(x_i))$ and $\theta$ an element of a metric space $(\Theta, d)$. A lower bound is provided for the $d$-error in estimating $\theta$. The order of the bound depends on the local behavior of the Kullback information of the conditional density. As an application, we consider the case where $\Theta$ is the space of $q$-smooth functions on $\lbrack 0, 1 \rbrack^d$ metrized with the $L_r$ distance, $1 \leq r < \infty$.