Optimal Rates of Convergence to Bayes Risk in Nonparametric Discrimination
非参数判别中趋近贝叶斯风险的最优收敛速率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：摘要研究通用非参数分类风险，未涉及经济离散选择模型或所列其他细分领域。
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
非参数判别中趋近贝叶斯风险的最优收敛速率
- 研究问题
- 多类别密度未知、各类均有训练样本时，分类风险能以何种最优速率趋近贝叶斯风险，先验概率又如何影响该速率？
- 方法与思路
- 作者对先验概率作均匀平均，以平滑密度类为研究范围，建立最优速率下界并构造达到该速率的分类规则。
- 材料陈述的贡献
- 摘要称平均风险标准下存在可达到的最优速率，其指数对平滑度和观测维度的依赖与积分平方误差密度估计相同。
- 阅读关注点
- 应核对先验平均的定义、密度平滑类、风险差的准确形式，以及最优性下界与达到该速率规则的适用条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；速率指数的具体表达及构造细节未提供，对先验平均的结论不能直接替代固定先验结论。
原文摘要
Consider the multiclassification (discrimination) problem with known prior probabilities and a multi-dimensional vector of observations. Assume the underlying densities corresponding to the various classes are unknown but a training sample of size $N$ is available from each class. Rates of convergence to Bayes risk are investigated under smoothness conditions on the underlying densities of the type often seen in nonparametric density estimation. These rates can be drastically affected by a small change in the prior probabilities, so the error criterion used here is Bayes risk averaged (uniformly) over all prior probabilities. Then it is shown that a certain rate, $N^{-r}$, is optimal in the sense that no rule can do better (uniformly over the class of smooth densities) and a rule is exhibited which does that well. The optimal value of $r$ depends on the smoothness of the distributions and the dimensionality of the observations in the same way as for nonparametric density estimation with integrated square error loss.