A Bandwidth Selector for Bivariate Kernel Regression
二元核回归的带宽选择器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：摘要涉及通用非参数核回归与带宽选择，没有所列领域细分的直接依据。
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…
二元核回归的带宽选择器
- 研究问题
- 二元核回归需要选择多个带宽时，如何应对交叉验证类方法的样本变异与实施困难，并构造可快速计算的选择器？
- 方法与思路
- 作者提出基于迭代代入思路的二元核回归带宽选择方法，并表示这一思路可以向更高维情形扩展。
- 材料陈述的贡献
- 摘要称，该选择器计算较快并取得令人满意的结果；摘要未说明评价指标，也未明确陈述相对方法的普遍优势。
- 阅读关注点
- 应核对代入目标、初始带宽和导数等未知量的估计方式，以及迭代停止规则、比较指标和高维扩展所需条件。
- 阅读边界
- 仅据所给Crossref摘要，不能判断一致性、样本变异改善幅度或维数限制；高维可扩展的表述不等于已提供完整高维结果。
原文摘要
SUMMARY For two and higher dimensional kernel regression, currently available bandwidth selection procedures are based on cross-validation or related penalizing ideas. However, these techniques have been shown to suffer from high sample variability and, in addition, can sometimes be difficult to implement when a vector of bandwidths needs to be selected. In this paper we propose a selector based on an iterative plug-in approach for bivariate kernel regression. It is shown to give satisfactory results and can be quickly computed. Our ideas can be extended to higher dimensions.