Boosting kernel density estimates: A bias reduction technique?
提升核密度估计：一种偏差缩减技术？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：摘要讨论通用核密度估计与偏差缩减，未涉及具体经济分布效应或其他所列细分领域。
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
提升核密度估计：一种偏差缩减技术？
- 研究问题
- 将 boosting 用于核密度估计能否减少偏差，它与已有偏差缩减方法有何联系，以及这种联系能够支持哪些统计性质？
- 方法与思路
- 作者提出核密度估计的 boosting 算法，分析其与已有偏差缩减方法的关系，并通过数值例子和模拟展示相关发现。
- 材料陈述的贡献
- 摘要称，boosting 与一种已有偏差缩减方法紧密相关，并指出其应具有类似性质；同时提供数值说明并提出后续研究方向。
- 阅读关注点
- 应核对迭代更新、停止规则及带宽选择，区分已证明性质与根据方法联系提出的推测，并检查偏差、方差及整体误差的比较。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，稿件版本未注明；摘要未给出算法细节、性质成立条件或具体模拟结果，不能认定其普遍改善估计。
原文摘要
This paper proposes an algorithm for boosting kernel density estimates. We show that boosting is closely linked to a previously proposed method of bias reduction and indicate how it should enjoy similar properties. Numerical examples and simulations are used to illustrate the findings, and we also suggest further areas of research.