Trambak Banerjee、Qiang Liu、Gourab Mukherjee和Wengunag Sun。
年份：2021年，数量：22，版本：67，页码：1-46
摘要
我们为离散线性指数族中的复合估计开发了一个非参数经验贝叶斯（NEB）框架，其中包括现代大数据应用中经常出现的广泛的离散分布。我们建议通过求解一个凸程序直接估计广义Robbins公式中的Bayes收缩因子，该凸程序是基于Stein差异度量的RKHS表示精心开发的。新的NEB估计框架可以灵活地将各种结构约束纳入数据驱动规则，并提供了一种统一的方法来进行常规和标度平方误差损失的复合估计。我们发展了理论来证明这类NEB估计具有很强的渐近性质。进行了全面的仿真研究以及对实际数据示例的分析，以证明NEB估计器相对于竞争方法的优越性。
PDF格式
BibTeX公司