白兰度，阿克塞尔;琼·吉梅诺;Rodríguez-Serrano，Jose A。;约尔迪·维特里 通过偏导数的深非交叉分位数。 arXiv公司：2201.12848 预印本，arXiv：2201.12848[cs.LG]（2022）。 摘要：分位数回归（QR）提供了一种近似单个条件分位数的方法。为了更详细地描述条件分布，QR可以与深度学习技术合并，以同时估计多个分位数。然而，QR-loss函数的最小化并不能保证非交叉分位数，这会影响此类预测的有效性，并在某些情况下引入一个关键问题。在本文中，我们提出了一种通用的深度学习算法，用于预测任意数量的分位数，以确保分位数单调性约束达到机器精度，并保持其相对于替代模型的建模性能。该方法在几个实际数据集上进行了评估，获得了最新的结果，并表明它可以扩展到大型数据集。 BibTeX公司 引用 \textit{A.Brando}等人，“通过偏导数的深非交叉分位数”，预印本，arXiv:2201.12848[cs.LG]（2022） 全文： arXiv公司 OA许可证 arXiv数据来自arXiv OAI-PMH API.如果你发现了错误，请直接向arXiv报告.