×

高维主投影。 (英语) Zbl 1308.62126号

主成分分析(PCA)是一种著名的多元统计技术。它经常用于函数数据或高维框架的降维。为此,PCA生成感兴趣样本协方差算子的特征向量(左(右){i})。降维是通过投影在由(widehat{varphi}{i})的特征空间上获得的,这些特征空间通常具有最佳信息方面的良好性质。我们重点研究了样本函数PCA中的经验特征投影,并证明了几个非渐近结果。更具体地说,我们为其均方风险提供了一个上限。这个速率不取决于特征值的下降速率,这似乎是一个新的结果。我们还得出了风险的下限。后者将上限匹配到\(\log n\)项。结果应用于非参数函数估计模型。

MSC公司:

62小时25分 因子分析和主成分;对应分析
62G08号 非参数回归和分位数回归
47A55型 线性算子的摄动理论
PDF格式BibTeX公司 XML格式引用
全文: 内政部 哈尔

参考文献:

[1] Amato,U.,Antoniadis,A.,De Feis,I.:函数回归中的降维应用。公司。统计人员。数据分析。50, 2422-2446 (2006) ·Zbl 1445.62078号 ·doi:10.1016/j.csda.2004.12.007
[2] Berlinet,A.,Thomas-Agnan,C.:《概率与统计》中的核希尔伯特空间再现。Kluwer学术出版社(2004)·Zbl 1145.6202号
[3] Biau,G.,Mas,A.:主成分分析-核估计。统计风险模型。29, 19-46 (2012) ·Zbl 1234.62091号 ·doi:10.1524/strm.2012.1084
[4] Blanchard,G.,Bousquet,O.,Zwald,L.:核主成分分析的统计特性。机器。学习。66, 259-294 (2007) ·Zbl 1470.62077号 ·doi:10.1007/s10994-006-6895-9
[5] Bosq,D.:函数空间中的线性过程。统计学课堂笔记。施普林格,柏林(2000)·Zbl 0962.60004号
[6] Cardot,H.,Mas,A.,Sarda,P.:函数线性模型中的CLT。普罗巴伯。理论关联。字段138,325-361(2007)·Zbl 1113.60025号 ·doi:10.1007/s00440-006-0025-2
[7] Chen,D.,Hall,P.,Müller,H.G.:具有非参数联系的单指标和多指标函数回归模型。Ann.Stat.39,1720-1747(2011)·Zbl 1220.62040号 ·doi:10.1214/11-AOS882
[8] Cupidon,J.,Eubank,R.,Gilliam,T.,Ruymgaart,F.:随机算子分析函数的Delta方法及其在函数数据中的应用。伯努利1131179-1194(2007)·Zbl 1129.62011号 ·doi:10.3150/07-BEJ6180
[9] Dauxois,J.,Pousse,A.,Romain,Y.:随机向量函数主成分分析的渐近理论:统计推断的一些应用。《多元分析杂志》。12136-154(1982年)·Zbl 0539.62064号 ·doi:10.1016/0047-259X(82)90088-4
[10] Dunford,N.,Schwartz,J.T.:线性算子,第一卷,第二卷和第三卷,威利经典图书馆(1988)·Zbl 0635.47003号
[11] Ferraty,F.:功能数据分析和相关领域的最新进展。对统计的贡献。《物理》,海德堡(2011)·Zbl 1220.62003年
[12] Ferraty,F.,Goía,a.,Salinelli,E.,Vieu,P.:函数投影寻踪回归。测试22293-320(2013)·Zbl 1367.62117号 ·doi:10.1007/s11749-012-0306-2
[13] Ferraty,F.,Laksaci,A.,Tadj,A.,Vieu,P.:函数变量非参数估计的一致一致性比率。J.统计。计划。推论140,335-352(2010)·Zbl 1177.62044号 ·doi:10.1016/j.jspi.2009.07.019
[14] Ferraty,F.、Laksaci,A.、Tadj,A.、Vieu,P.:具有功能反应的核回归。电子。《美国联邦法律大全》第5卷第159-171页(2011年)·Zbl 1274.62281号 ·doi:10.1214/11-EJS600
[15] Ferraty,F.,Mas,A.,Vieu,P.:功能数据非参数回归的进展。澳大利亚。新西兰《统计》第49卷第1-20页(2007年)·Zbl 1136.62031号 ·doi:10.1111/j.1467-842X.2007.00480.x
[16] Ferraty,F.,Vieu,P.:函数数据的非参数模型及其在回归、时间序列预测和曲线识别中的应用。J.非参数。《统计》第16卷第111-125页(2004年)·兹比尔1049.62039 ·网址:10.1080/10485250310001622686
[17] Ferraty,F.,Vieu,P.:非参数函数数据分析:理论与实践。柏林施普林格出版社(2006)·Zbl 1119.62046号
[18] Gilliam,J.S.,Hohage,T.,Ji,X.,Ruymgaart,F.:有界算子解析函数的Fréchet导数及其应用。国际数学杂志。科学。,艺术ID 239025(2009)·Zbl 1185.47013号
[19] Gohberg,I.,Goldberg,S.,Kaashoek,M.A.:线性算子类,第一卷和第二卷,算子理论:进展和应用,Birkhaüser(1991)
[20] Hall,P.,Hosseini-Nasab,M.:关于函数主成分分析的性质。J.皇家统计学会。序列号。B 68,109-126(2006)·Zbl 1141.62048号 ·数字对象标识代码:10.1111/j.1467-9868.2005305.x
[21] Hilgert,N.,Mas,A.,Verzelen,N.:函数线性模型的Minimax自适应检验。Ann.Stat.41,838-869(2013)·Zbl 1267.62059号 ·doi:10.1214/13-AOS1093
[22] 加藤,T.:线性算子的扰动理论。Grundlehren der mathematischen Wissenschaften,第132卷,第2版。施普林格,柏林-海德堡-纽约(1976年)·Zbl 0342.47009号 ·doi:10.1007/978-3-642-66282-9
[23] Koltchinskii,V.:一些近似积分算子的随机矩阵的谱投影的渐近性。摘自:Eberlein,E.,Hahn,M.,Talagrand,M.(编辑)《高维概率》,《概率进展》第43卷,第91-227页。Birkhäuser(1998年)·Zbl 0905.60003号
[24] Ledoux,M.,Talagrand,M.:巴拿赫空间中的概率。柏林施普林格(1991)·Zbl 0748.60004号 ·doi:10.1007/978-3642-20212-4
[25] Mas,A.:希尔伯特空间中用小球概率表示的函数数据回归的下限。电子。《美国联邦法律大全》第6卷,1745-1778年(2012年)·Zbl 1295.62043号 ·doi:10.1214/12-EJS726
[26] Mas,A.,Menneteau,L.:摄动方法在随机算子渐近研究中的应用,概率进展,55,127-134,Birkhäuser(2003)·Zbl 1053.60002号
[27] Masry,E.:相关函数数据的非参数回归估计:渐近正态性。斯托克。过程。申请。115, 155-177 (2005) ·Zbl 1101.62031号 ·doi:10.1016/j.spa.2004.07.006
[28] Schmeidler,W.:希尔伯特空间中的线性算子。学术出版社(1965)·兹伯利0134.31801
[29] Skorohod,A.V.:随机线性算子。D.Reidel出版社(1984)·Zbl 1295.62043号
[30] Tsybakov,A.B.:引入非参数估计。施普林格,柏林(2004)·Zbl 1029.62034号
[31] Vakhania,N.N.,Tarieladze,V.I.,Chobanyan,S.A.:banach空间的概率分布,数学及其应用。D.Reidel出版社(1987)·Zbl 0698.60003号
[32] Watson,G.S.:球体统计。威利,纽约(1983年)·Zbl 0646.62045号
[33] 魏德曼,J.:希尔伯特空间中的线性算子。数学研究生课文。柏林施普林格(1980)·Zbl 0434.47001号 ·doi:10.1007/978-1-4612-6027-1
[34] Zwald,L.,Blanchard,G.:关于核主成分分析中特征空间的收敛性。In:神经信息处理系统进展18,NIPS(2005)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。