On Projection Pursuit Regression
论投影寻踪回归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近似，未明确关联所列专门领域。
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
论投影寻踪回归
- 研究问题
- 基于核方法的投影寻踪回归中，投影方向估计与投影曲线估计的偏差和随机误差分别如何影响近似表现？
- 方法与思路
- 作者构造可处理的数学模型，计算估计量偏差与方差的显式表达，并比较方向估计和曲线估计的误差阶。
- 材料陈述的贡献
- 摘要称方向估计的偏差主导围绕均值的误差，而曲线估计的偏差与该误差同阶，并讨论这些结果的含义。
- 阅读关注点
- 应核对数学模型与实际投影寻踪算法的对应关系、方向参数的定义、带宽条件及不同误差量的比较方式。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；模型限制和渐近条件未提供，不能据此判断所有投影寻踪算法的表现。
原文摘要
We construct a tractable mathematical model for kernel-based projection pursuit regression approximation. The model permits computation of explicit formulae for bias and variance of estimators. It is shown that the bias of an orientation estimate dominates error about the mean--indeed, the latter is asymptotically negligible in comparison with bias. However, bias and error about the mean are of the same order in the case of projection pursuit curve estimates. Implications of our formulae for bias and variance are discussed.