On the Consistency of Cross-Validation in Kernel Nonparametric Regression
核非参数回归中交叉验证的一致性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：摘要研究通用核回归与带宽选择，没有因果、分布效应或其他所列细分方向的直接证据。
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
核非参数回归中交叉验证的一致性
- 研究问题
- 在固定设计、独立同分布误差的非参数回归中，以平均平方误差交叉验证选择带宽，能否保证核回归估计的强一致性？
- 方法与思路
- 作者研究交叉验证所选带宽下核回归估计的行为，在等距设计、紧支撑核和误差有限四阶矩条件下分析平均平方误差。
- 材料陈述的贡献
- 摘要称，在所列设计、核与误差矩条件下，建立了以平均平方误差衡量的强一致性，为交叉验证带宽选择提供理论依据。
- 阅读关注点
- 应核对交叉验证准则、候选带宽范围、回归函数光滑性及边界处理，并确认强一致性结论对应的误差度量。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；估计式有排版异常，需查原PDF。结论不能直接外推到随机设计、相关误差或其他误差度量。
原文摘要
For the nonparametric regression model $Y(t_i) = \theta(t_i) + \varepsilon(t_i)$ where $\theta$ is a smooth function to be estimated, $t_i$'s are nonrandom, $\varepsilon(t_i)$'s are i.i.d. errors, this paper studies the behavior of the kernel regression estimate $\hat{\theta}(t) = \big\lbrack \sum^n_{j=1}K \big(\frac{t_j - t}{\lambda}\big) Y(t_j) \big\rbrack / \big\lbrack\ sum^n_{j=1} K \big(\frac{t_j - t}{\lambda}\big) \big\rbrack$ when $\lambda$ is chosen by cross-validation on the average squared error. Strong consistency in terms of the average squared error is established for uniform spacing, compact kernel and finite fourth error moment.