On nonparametric discrimination using density differences
利用密度差进行非参数判别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及平滑参数选择，类别数据本身不足以证明属于经济学离散选择方向。
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
利用密度差进行非参数判别
- 研究问题
- 非参数判别中，如何利用两个总体的密度差联合选择平滑参数，并使这一方法适用于类别、连续及混合类型数据？
- 方法与思路
- 作者以两个密度之差构造选择准则，联合确定各总体的平滑参数，使任一总体的参数选择都使用双方提供的信息。
- 材料陈述的贡献
- 摘要称，该方法适用于多种数据类型；类别数据中有时以负平滑参数实现最优表现，单独选择参数不会出现这一性质。
- 阅读关注点
- 应核对密度差准则如何对应判别损失、负平滑参数的定义与合法性，以及所谓最优表现适用的数据情形和评价标准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；最优性的条件和比较结果未说明，不能据此声称普遍优于其他分类器或推断刊本变化。
原文摘要
We propose a technique for nonparametric discrimination in which smoothing parameters are chosen jointly, according to a criterion based on the difference between two densities. The approach is suitable for categorical, continuous and mixed data, and uses information from both populations to determine the smoothing parameter for any one population. In the case of categorical data, optimal performance is sometimes achieved using negative smoothing parameters, a property which does not emerge if the smoothing parameters are chosen individually.