LOCALIZED MODEL SELECTION FOR REGRESSION
回归中的局部化模型选择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：摘要只涉及一般回归模型选择，未明确对应用户列出的领域细分。
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
回归中的局部化模型选择
- 研究问题
- 当候选回归程序的相对表现随协变量位置变化时，能否让模型选择依赖所在位置，从而改善使用单一全局模型的表现？
- 方法与思路
- 作者研究局部化模型选择方法，使所选模型或程序可以随位置变化，并推导相应理论性质，关注高维或复杂数据中表现不均匀的问题。
- 材料陈述的贡献
- 摘要称研究了局部化模型选择并推导其理论性质，指出位置依赖的选择可以改善全局最佳程序；摘要没有给出具体性能定理。
- 阅读关注点
- 应核对位置的定义、局部选择规则、候选程序及局部样本的使用方式，以及理论保证针对何种风险、样本结构和比较基准。
- 阅读边界
- 仅依据所给 RePEc 出版社摘要版本，无法判断局部化算法、收敛条件或改进幅度；摘要未说明模拟与应用结果或刊本变化。
原文摘要
Research on model/procedure selection has focused on selecting a single model globally. In many applications, especially for high-dimensional or complex data, however, the relative performance of the candidate procedures typically depends on the location, and the globally best procedure can often be improved when selection of a model is allowed to depend on location. We consider localized model selection methods and derive their theoretical properties.This research was supported by U.S. National Science Foundation CAREER Grant DMS0094323. We thank three referees and the editors for helpful comments on improving the paper.