Statistical Classification with Missing Covariates
协变量缺失下的统计分类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：摘要讨论缺失协变量下的一般统计分类，未明确研究离散经济选择、因果识别或其他给定领域细分。
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
协变量缺失下的统计分类
- 研究问题
- 部分协变量可能缺失且不采用随机缺失假设时，如何表示最优分类规则，并构造无需插补的贝叶斯一致分类器？
- 方法与思路
- 作者推导缺失协变量下的贝叶斯分类器表示，构造无需插补的分类方法，涵盖参数与非参数情形及任意位置的缺失模式。
- 材料陈述的贡献
- 摘要称无需对缺失概率机制施加假设或要求随机缺失，即可得到分类器表示与贝叶斯一致方法，并讨论其理论有效性。
- 阅读关注点
- 应核对分类器使用哪些可观测信息、贝叶斯一致性针对什么风险，以及复杂缺失模式下仍需哪些抽样和正则条件。
- 阅读边界
- 仅据所给 Crossref 摘要；不假设缺失机制并不等于没有其他条件，摘要未说明收敛速度或缺失变量的可恢复性。
原文摘要
Summary Some results related to statistical classification in the presence of missing covariates are presented. We derive representations for the best (Bayes) classifier when some of the covariates can be missing; this is done without imposing any assumptions on the underlying missing probability mechanism. Furthermore, without assuming any missingness-at-random type of conditions, we also construct Bayes consistent classifiers that do not require any imputation-based techniques. Both parametric and non-parametric situations are considered but the emphasis is on the latter. In addition to simple missingness patterns, we also consider the full Swiss cheese model, where the missing covariates can be anywhere. Both mechanics and the theoretical validity of our results are discussed.