摘要
估计条件平均值(将一组特征与感兴趣的结果联系起来)是一项基本的统计任务。虽然对灵活的非参数程序有吸引力,但在许多经典非参数函数空间(例如多元Sobolev空间)中进行有效估计可能会非常困难,无论是统计上还是计算上,尤其是在特征数量很大的情况下。在本文中,我们给出了多元乘积空间中回归的一些筛选估计。我们以Sobolev型光滑空间为例,尽管我们的一般框架可以应用于许多再生核Hilbert空间。这些空间更容易接受多元回归,并允许我们部分地避免维度的诅咒。我们的估计可以很容易地应用于多元非参数问题,并且具有诱人的统计和计算特性。此外,它可以有效地利用诸如特征稀疏性之类的附加结构。
资金筹措表
作者感谢NIH拨款R01HL137808。
致谢
作者感谢匿名审稿人、副主编和主编的建设性意见,这些意见提高了本文的质量。
引用
下载引文
张天宇。
诺亚·西蒙。
“用筛子法在张量积空间中进行回归。”
电子。J.统计学家。
17
(2)
3660 - 3727,
2023
https://doi.org/10.1214/23-EJS2188
信息
收到日期:2023年1月1日;发布日期:2023年
欧几里德项目首次提供:2023年12月7日
数字对象标识符:10.1214/23-EJS2188
学科:
主要用户:62G05型,62G08号
关键词:多元回归,正交基,稀疏非参数模型