范德拉恩,Mark J。;Sandrine Dudoit公司;范德法特,Aad W。 交叉验证的自适应ε-网估计器。 (英语) Zbl 1111.62003号 统计小数。 24,第3期,373-395(2006). 摘要:假设我们观察到随机变量独立且同分布实现的样本,感兴趣的参数可以定义为在适当定义的参数集上,候选参数值和随机变量的(损失)函数的期望值的最小值。例如,回归中的平方误差损失或密度估计中的负对数密度损失。将整个参数集的经验风险(即损失函数的经验平均值)降至最低可能会导致利息参数的估计值不确定或变量过大。我们提出了一种交叉验证的(varepsilon)-网估计方法,该方法在每个子模型上使用一组子模型和一组(varepsilon)网络。对于每个子模型\(s\)和每个分辨率水平\(\varepsilon\),相应\(\varepsilon\)-网络上的经验风险的最小值是一个候选估计器。接下来,我们通过多重交叉验证从这些估计量中进行选择(即,选择对\(s,\varepsilon)\)。我们导出了一个有限样本不等式,它表明所得到的估计量与对未知真参数使用最佳子模型和分辨率水平的预言估计量一样好。我们还讨论了估计过程的实现,在线性回归模型的背景下,我们给出了一项初步模拟研究的结果,将交叉验证的(varepsilon)净估计量与交叉验证的惩罚最小二乘估计量(LASSO)和最小角度回归估计量(LARS)进行了比较。 引用于20文件 理学硕士: 62A01型 统计学基础和哲学主题 62G07年 密度估算 62J99型 线性推断、回归 65C60个 统计中的计算问题(MSC2010) 关键词:适应;封面号码;交叉验证;损失函数;最大似然估计;oracle不等式 PDF格式BibTeX公司 XML格式引用 \textit{M.J.van der Laan}等人,《统计数字》。24,第3号,373--395(2006;Zbl 1111.62003) 全文: 内政部 链接