On Nonparametric Discrimination Using Density Differences
利用密度差进行非参数判别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：摘要讨论一般非参数统计判别，分类数据本身不构成离散选择模型的证据。
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
利用密度差进行非参数判别
- 研究问题
- 非参数判别中，如何利用两个总体之间的密度差联合选择平滑参数，而非分别调参，并兼顾分类、连续和混合类型的数据？
- 方法与思路
- 作者提出基于两个密度之差的联合选择准则，让任一总体的平滑参数同时利用两方信息，并讨论分类数据中的负平滑参数。
- 材料陈述的贡献
- 摘要称方法适用于多种数据类型；分类数据中，最优表现有时需要负平滑参数，而分别选择参数的方法不会出现这一性质。
- 阅读关注点
- 应核对密度差准则如何对应判别目标、联合调参的实施方式，以及负平滑参数的定义、合法性和达到最优表现的具体条件。
- 阅读边界
- OpenAlex 索引摘要未注明稿件版本；摘要未说明最优性的衡量标准、负参数的适用范围或比较结果，不能推断所有数据下均有优势。
原文摘要
We propose a technique for nonparametric discrimination in which smoothing parameters are chosen jointly, according to a criterion based on the difference between two densities. The approach is suitable for categorical, continuous and mixed data, and uses information from both populations to determine the smoothing parameter for any one population. In the case of categorical data, optimal performance is sometimes achieved using negative smoothing parameters, a property which does not emerge if the smoothing parameters are chosen individually.