Weighted Local Regression and Kernel Methods for Nonparametric Curve Fitting
非参数曲线拟合中的加权局部回归与核方法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：摘要属于通用非参数回归理论，没有明确对应所列应用或模型细分方向。
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
非参数曲线拟合中的加权局部回归与核方法
- 研究问题
- 加权局部回归与核平滑在何种意义下渐近等价，局部多项式阶数和权重形状又如何对应核的阶数与形状？
- 方法与思路
- 作者在固定设计回归中为局部回归构造对应核方法，研究两者权重比的一致收敛，并据此分析误差和极限分布。
- 材料陈述的贡献
- 摘要称建立了权重层面的渐近等价关系，导出均方误差主项及局部极限分布，并展示部分小样本权重接近的例子。
- 阅读关注点
- 应核对固定设计和权重函数所需条件、带宽及边界处理，并区分渐近等价结论与小样本例子的适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；具体正则条件和小样本比较范围未说明。
原文摘要
Weighted local regression, a popular technique for smoothing scatterplots, is shown to be asymptotically equivalent to certain kernel smoothers. Since both methods are local weighted averages of the data, it is proved that in the fixed design regression model, given a weighted local regression procedure with any weight function, there is a corresponding kernel method such that the quotients of weights distributed by both methods tend uniformly to 1 as the number of observations increases to infinity. It is demonstrated by examples that in some instances the weights are nearly the same for both methods, even for small samples. The asymptotic equivalence allows the derivation of the leading terms of the mean squared error and of the local limit distribution for weighted local regression. Further, a close correspondence is found between the orders of the polynomial to be locally fitted in weighted local regression and the order (number of vanishing moments) of the kernel employed in the kernel smoother and between the shapes of the kernel and the weight function.