Nearest Neighbor Regression with Heavy-Tailed Errors
重尾误差下的最近邻回归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回归与重尾误差，没有明确对应所列计量应用领域细分。
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
重尾误差下的最近邻回归
- 研究问题
- 当回归误差的条件方差无限时，最近邻非参数回归能否保持强一致性，其收敛速率和极限分布如何变化？
- 方法与思路
- 作者研究最近邻估计的强一致收敛及速率，并在条件误差属于稳定律吸引域时建立部分渐近分布理论。
- 材料陈述的贡献
- 摘要称，论文给出无限方差情形的若干强一致收敛结果，也为存在更高条件矩的情形提供新结果与见解。
- 阅读关注点
- 应核对条件矩与稳定律吸引域假设、邻居数量的选择规则，以及一致收敛范围和渐近分布的归一化方式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体速率、稳定律参数和适用条件未说明，不能推断刊本变化。
原文摘要
There has been an increasing interest in modelling regression with heavy-tailed conditional error distributions, mostly in the parametric setting. Nonparametric regression procedures have been studied almost exclusively for the cases where the conditional variance of the regressed variable is finite in the region of interest. We initiate a study of the infinite variance case. Some results in strong uniform consistency of the nearest neighbor estimator with rates are proven. The technique used provides new results and insights when higher conditional moments exist. Some asymptotic distribution theory has also been obtained when the conditional errors are in the domain of attraction of a stable law.