Optimal third root asymptotic bounds in the statistical estimation of thresholds
阈值统计估计的最优立方根渐近界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：摘要研究一般分类阈值的统计估计，未提供离散选择或其他所列方向的直接依据。
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
阈值统计估计的最优立方根渐近界
- 研究问题
- 给定来自两个密度的样本，如何估计其交点作为分类阈值，估计误差有哪些不可突破的渐近概率界？
- 方法与思路
- 作者以熵估计为证明关键，建立一般估计量的误差概率下界，将其用于分类预测误差，并构造达到相应渐近边界的估计量。
- 材料陈述的贡献
- 摘要称得到样本量负三分之一次方尺度上的误差概率下界及分类误差界，并提出渐近达到这些下界所允许边界的估计量类。
- 阅读关注点
- 应核对密度交点的定义与唯一性条件、下界适用的模型类，以及所谓最优估计量达到边界的具体概率意义。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明密度正则条件和误差界常数，不能将立方根尺度推广到所有分类问题。
原文摘要
This paper is concerned with estimating the intersection point of two densities, given a sample of both of the densities. This problem arises in classification theory. The main results provide lower bounds for the probability of the estimation errors to be large on a scale determined by the inverse cube root of the sample size. As corollaries, we obtain probabilistic bounds for the prediction error in a classification problem. The key to the proof is an entropy estimate. The lower bounds are based on bounds for general estimators, which are applicable in other contexts as well. Furthermore, we introduce a class of optimal estimators whose errors asymptotically meet the border permitted by the lower bounds.