Linear Discriminant Analysis with Misallocation in Training Samples
训练样本错分下的线性判别分析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：摘要涉及分类器训练标签错分的统计理论，未研究经济主体的离散选择或金融收益预测，故细分依据不足。
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
训练样本错分下的线性判别分析
- 研究问题
- 在两类线性判别分析中，训练样本被错误分配到类别会如何影响判别边界，以及误判率的渐近性质？
- 方法与思路
- 作者建立错分的一般模型，推导混合分布的均值和协方差、判别边界的渐近分布，以及误判率前两阶渐近矩。
- 材料陈述的贡献
- 摘要称，论文提供训练样本错分下的渐近分析，并针对随机错分和两种非随机错分模型展示误判率的数值结果。
- 阅读关注点
- 应核对三类错分机制的定义、类别分布和协方差条件，以及渐近误判率计算与数值例子之间的对应关系。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，稿件版本未注明；摘要未列出错分率、样本条件或具体数值，无法评价有限样本表现。
原文摘要
Linear discriminant analysis for a two-class case is studied in the presence of misallocation in training samples. A general approach to modeling of misallocation is formulated, and the mean vectors and covariance matrices of the mixture distributions are derived. The asymptotic distribution of the discriminant boundary is obtained, and the asymptotic first two moments of the error rates are given. Certain numerical results for the error rates are presented by considering the random and two nonrandom misallocation models.