Clifford M.Hurvich,Jeffrey S.Simonoff,Chih-Ling Tsai,使用改进的Akaike信息准则平滑非参数回归中的参数选择,英国皇家统计学会杂志B辑:统计方法,第60卷,第2期,1998年7月,第271-293页,https://doi.org/10.1111/1467-9868.00125
人们提出了许多不同的方法来构造光滑回归函数的非参数估计,包括局部多项式、(卷积)核和光滑样条估计。每个估计量都使用一个平滑参数来控制对给定数据集执行的平滑量。本文基于Akaike信息准则(AIC)改进了一种准则,称为AICC类,作为选择平滑参数的一种方法进行了推导和检验。与插件方法不同,AICC类可用于为任何线性平滑器选择平滑参数,包括局部二次和平滑样条估值器。AIC的使用C类避免使用其他“经典”方法(如广义交叉验证(GCV)或AIC)选择平滑参数时出现的大变异性和欠平滑趋势(与平均平方误差的实际最小值相比)。蒙特卡罗模拟表明,AICC类-当插件方法工作良好时,基于平滑的参数与插件方法(假设存在)相比具有竞争力,但当插件方法失败或不可用时,它也表现良好。
登录或创建帐户
此PDF仅供订阅者使用
要完全访问此pdf,请登录现有帐户或购买年度订阅。