Projection Pursuit Regression
投影寻踪回归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：摘要介绍通用非参数回归方法，未明确关联所列因果、结构或预测应用方向。
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
投影寻踪回归
- 研究问题
- 如何灵活估计多变量非参数回归曲面，并通过预测变量的低维组合保留可解释的图形表达？
- 方法与思路
- 作者迭代地将回归曲面表示为若干平滑函数之和，每个函数作用于预测变量的一个线性组合。
- 材料陈述的贡献
- 摘要称方法比标准逐步及分阶段回归更一般，无需在预测变量空间定义距离，并便于图形解释。
- 阅读关注点
- 应核对投影方向与平滑函数如何共同估计、项数如何选择，以及迭代算法的停止规则和解释方式。
- 阅读边界
- 仅据所给 OpenAlex 摘要，具体稿件版本未说明。摘要未提供一致性、收敛保证或预测比较，不能据此推断刊本变化及普遍优越性。
原文摘要
A new method for nonparametric multiple regression is presented. The procedure models the regression surface as a sum of general smooth functions of linear combinations of the predictor variables in an iterative manner. It is more general than standard stepwise and stagewise regression procedures, does not require the definition of a metric in the predictor space, and lends itself to graphical interpretation.