×
哈贡奥特奈姆;马丁·朱卢姆;达格·特约西姆

将本地Fisher和朴素贝叶斯配对：改进两个标准判别式。 （英语） Zbl 1456.62062号

《经济学杂志》。 216，第1期，284-304（2020）.
小结：Fisher判别式可能是连续数据中最著名的似然判别式。另一个基准鉴别是朴素贝叶斯，它只基于边缘。本文通过建模变量对之间的依赖关系来扩展这两个判别式。在连续情况下，这是由费希尔判别式的局部高斯版本完成的。在离散情况下，通过取两两联合概率的几何平均值来扩展朴素贝叶斯。我们还指出了如何将这两种方法结合用于混合连续和离散数据。新的判别式在一些模拟实验和实际数据说明中显示了良好的结果。

引用于2文件

MSC公司：

62G07年 密度估算
6220国集团 非参数推理的渐近性质
62H30型 分类和区分；聚类分析（统计方面）
62第20页 统计学在经济学中的应用

关键词：

核估计量;局部Fisher判别式;朴素贝叶斯判别式;成对依赖;局部高斯密度

软件：

局部高斯;净现值;lg（长度）;R（右）;加迈尔
PDF格式BibTeX公司 XML格式引用
\textit{H.Otneim}等人，《经济学杂志》。216，第1号，284--304（2020；Zbl 1456.62062）
全文： 内政部

参考文献：

[1] Aas，K。；Czado，C。；弗里吉斯，A。；Bakken，H.，多重依赖的对copula构造，保险数学。经济。，44, 2, 182-198 (2009) ·Zbl 1165.60009号
[2] 阿加瓦尔，C.C。；翟，C.，文本分类算法综述，（Mining text Data（2012），Springer），163-222
[3] 艾奇逊，J。；Aitken，C.G.，《利用核方法进行多元二进制判别》，《生物统计学》，第63、3、413-420页（1976年）·Zbl 0344.62035号
[4] Azzalini，A.，关于用核方法估计分布函数和分位数的注记，Biometrika，68，1326-328（1981）
[5] Berentsen，G.D。；Kleppe，T.S。；Tjötheim，D.，《引入局部高斯，估计和可视化局部高斯相关性的R包》，J.Stat.Softw。，56, 1, 1-18 (2014)
[6] Berentsen，G.D。；斯特夫，B。；特约西姆·D·。；Nordbö，T.，《识别和可视化连接函数：使用局部高斯近似的方法》，《保险数学》。经济。，57, 90-103 (2014) ·Zbl 1304.62085号
[7] Berentsen，G.D。；Tjötheim，D.，使用局部高斯相关识别和可视化双变量数据中独立性的偏离，统计计算。，24, 5, 785-801 (2014) ·Zbl 1322.62140号
[8] E.布兰齐里。；Bryl，A.，《基于学习的电子邮件垃圾邮件过滤技术调查》，Artif。智力。修订版，29，1，63-92（2008）
[9] 盒子，G.E.P。；Tiao，G.C.，统计分析中的贝叶斯推断（1973），John Wiley&Sons·Zbl 0271.62044号
[10] Brier，G.W.，以概率表示的预测验证，周一。《天气评论》，78，1，1-3（1950）
[11] Burman，P.，《普通交叉验证、v形交叉验证和重复学习测试方法的比较研究》，《生物统计学》，76，3，503-514（1989）·Zbl 0677.62065号
[12] 乔杜里，P。；Ghosh，A.K。；Oja，H.，基于参数和非参数分类器混合的分类，IEEE Trans。模式分析。机器。智力。，31, 7, 1153-1164 (2009)
[13] Fawcett，T.，过程控制分析导论，模式识别。莱特。，27, 8, 861-874 (2006)
[14] Fisher，R.A.，《分类问题中多重测量的使用》，Ann.Eugen。，7, 2, 179-188 (1936)
[15] Ghosh，A.K。；Chaudhuri，P.，核判别分析中的最优平滑，统计学。Sinica，14，457-483（2004）·Zbl 1045.62024号
[16] Ghosh，A。；Hall，P.，关于非参数分类中的错误率估计，统计学。Sinica，18，1081-1100（2008）·Zbl 1149.62026号
[17] 霍尔，P。；Racine，J。；Li，Q.，交叉验证和概率密度估计，J.Amer。统计师。协会，99，99，1015-1026（2004）·Zbl 1055.62035号
[18] Hart，J.D。；Vieu，P.，基于相关数据的密度估计的数据驱动带宽选择，Ann.Statist。，18, 873-890 (1990) ·Zbl 0703.62045号
[19] 哈斯蒂·T·J。；Tibshirani，R.J.，广义加法模型（1990），查普曼和霍尔：查普曼与霍尔伦敦·Zbl 0747.62061号
[20] 哈斯蒂，T。；Tibshirani，R。；Friedman，J.，《统计学习的要素》（2009），Springer:Springer New York·Zbl 1273.62005年
[21] 海菲尔德，T。；Racine，J.S.，《非参数计量经济学：np包》，J.Stat.Softw。，27, 5, 1-32 (2008)
[22] Hjort，N.L。；Glad，I.K.，带参数起点的非参数密度估计，Ann.Statist。，23, 882-904 (1995) ·兹比尔083862027
[23] Hjort，N。；Jones，M.，局部参数非参数密度估计，Ann.Stat.，241619-1647（1996）·Zbl 0867.62030号
[24] 约翰逊·R·A。；Wichern，D.W.，《应用多元统计分析》，第六版（2007年），培生教育国际·Zbl 1269.62044号
[25] 琼斯，M.C。；Signorini，D.，《高阶偏差核密度估计量的比较》，J.Amer。统计师。协会，924391063-1073（1997）·Zbl 0888.62035号
[26] Jorheanger，洛杉矶。；Tjötheim，D.，非线性光谱分析：局部高斯方法（2019），预印本arXiv:1708.02166
[27] 朱卢姆，M。；罗兰，A。；Huseby，R.B。；Å非森，G。；Lorentzen，J.P.，《利用机器学习检测洗钱交易》，J.money Laund。控制，23,1173-186（2020）
[28] Kohavi，R.，《精度估计和模型选择的交叉验证和引导研究》，（国际人工智能联合会议，第14卷（1995年），蒙特利尔：加拿大蒙特利尔），1137-1145
[29] 拉卡尔，V。；Tjötheim，D.，局部高斯自相关和序列独立性测试，《时间序列分析》。，38, 1, 51-71 (2017) ·Zbl 1356.62145号
[30] 拉卡尔，V。；Tjötheim，D.，估计和测试两个时间序列之间的非线性局部相关性，J.Bus。经济。统计人员。，37, 4, 648-660 (2019)
[31] 李，J。；Cuesta-Albertos，J.A。；Liu，R.Y.，Dd-分类器：基于Dd-plot的非参数分类程序，J.Amer。统计师。协会，107，498，737-753（2012）·Zbl 1261.62058号
[32] 李强。；Racine，J.S.，《非参数计量经济学：理论与实践》（2007），普林斯顿大学出版社：普林斯顿大学出版·Zbl 1183.62200号
[33] 李强。；Racine，J.S.，混合分类和连续数据条件cdf和分位数函数的非参数估计，J.Bus。经济。统计人员。，26, 4, 423-434 (2008)
[34] Loader，C.R.，局部似然密度估计，Ann.Statist。，34, 1602-1618 (1996) ·Zbl 0867.62034号
[35] Marron，J.S.，非参数判别中贝叶斯风险的最优收敛率，Ann.Statist。，11, 4, 1142-1155 (1983) ·Zbl 0554.62053号
[36] Min，J.H。；Jeong，C.，破产预测的二元分类方法，专家系统。申请。，36, 3, 5256-5263 (2009)
[37] Nadaraya，E.A.，分布函数的一些新估计，理论概率。申请。，9, 3, 497-500 (1964) ·Zbl 0152.17605号
[38] Nelsen，R.B.，Copulas简介（2007），施普林格科学与商业媒体
[39] Otneim，H.，lg：局部高斯分布：估计和方法（2019年），R包版本0.4.1
[40] Otneim，H。；Tjötheim，D.，多元数据的局部高斯密度估计，统计计算。，27, 6, 1595-1616 (2017) ·Zbl 1384.62128号
[41] Otneim，H。；Tjötheim，D.，使用局部高斯相关的条件密度估计，统计计算。，28, 2, 303-321 (2018) ·Zbl 1384.62127号
[42] 普瓦，C。；Lee，V。；史密斯，K。；Gayler，R.，《基于数据挖掘的欺诈检测研究综合调查》（2010），arXiv预印本arXiv:1009.6119
[43] R： 统计计算语言与环境（2018），R统计计算基金会：R统计计算基础，奥地利维也纳
[44] Ranjan，R。；Gneiting，T.，《结合概率预测》，J.R.Stat.Soc.Ser。《美国统计年鉴》。，72, 1, 71-91 (2010) ·Zbl 1411.62270号
[45] Samworth，R.，《最佳加权最近邻分类器》，《Ann.Stat.》，40，2733-2763（2012）·兹比尔1373.62317
[46] Satabdi，P.，《印度市场工作文件中信用评级分类和预测的支持向量机方法》（2018）
[47] Schott，P.A.，《反洗钱和打击资助恐怖主义参考指南》（2006年），世界银行
[48] Silverman，B.W.，《统计和数据分析密度估计》（1986年），查普曼和霍尔：查普曼与霍尔伦敦·Zbl 0617.62042号
[49] Stone，C.J.，对数样条模型的大样本推断，Ann.Statist。，717-741 (1990) ·Zbl 0712.62036号
[50] 斯通，C.J。；汉森，M.H。；科珀伯格，C。；Truong，Y.K.，扩展线性建模中的多项式样条及其张量乘积：1994年瓦尔德纪念讲座，Ann.Statist。，25, 4, 1371-1470 (1997) ·Zbl 0924.62036号
[51] Tjötheim，D.，使用模式识别改进地震识别，Phys。地球。埋。，16, 85-108 (1978)
[52] 特约西姆·D·。；Hufthammer，K.O.，《局部高斯相关性：一种新的依赖性度量》，《计量经济学杂志》，172，33-48（2013）·Zbl 1443.62288号
[53] Wood，S.，广义加性模型：R导论（2017），Chapman和Hall/CRC·Zbl 1368.62004号
[54] 郑，R。；李，J。；陈，H。；黄，Z.，《在线消息作者身份识别框架：写作风格特征和分类技术》，《美国社会科学杂志》。技术。，57, 3, 378-393 (2006)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。