• 语料库ID:88523528

稀疏高维可加模型的最优估计

@第{条Gregory2016OptimalEO，title={稀疏高维可加模型的最优估计}，author={卡尔·B·格雷戈里（Karl B.Gregory）、恩诺·曼曼（Enno Mammen）和马丁·沃尔（Martin Wahl）}，期刊＝{arXiv:统计学理论}，年份={2016年}，网址={https://api.semanticscholar.org/CorpusID:88523528}}
本文表明，在足够强的稀疏性条件下，知识off_2、dots、f_q$对估计效率没有影响，并且在满足温和条件的oracle模型中，对作者的估计量与某些平滑估计量之间的差异规定了有限样本界。
在arXiv上查看PDF
6引文
极具影响力的引文
1
背景引文
三
方法引文
2
结果引文
1

本文中的数字

6引文

具有去相关局部线性估计的可加模型的局部推断

加性模型作为线性回归的一种自然推广，在研究非线性关系中发挥了重要作用。尽管有丰富的文献和许多关于…

作为数据投影的可加模型中的局部线性平滑

我们讨论了可加非参数模型的局部线性光滑回填。此过程在适当的平滑条件下可以获得最佳收敛速度。在…

结构化非参数曲线估计

通过讨论两类模型并强调这类模型中出现的理论问题，讨论了结构非参数的两类模型。

附加危险率的平滑拟合

将原始的平滑反射概念转化为考虑加性结构风险的生存模型，所提出的估计量是数据在具有平滑可加分量的多元风险函数空间中的投影。

搜索复杂数据中的结构：现代统计探索

介绍了优化高维统计估计的概念，并以医学成像为例进行了说明，提出了统计学研究人员正在积极研究的几个开放性问题。

形状和几何特征统计

该研讨会解决了几何、形状和拓扑在程序理论分析中所面临的挑战，并汇集了具有不同观点的学者，以推动几何和形状统计新思想、新分析方法和新方法的发展。

45参考文献

局部稀疏高维非参数模型的正则化后置信带

本文提出了一种新的高维非参数模型ATLAS，它自然地推广了稀疏可加模型，并证明了在上确界范数下估计$f_j^*$的收敛速度。

一般情况下IID观测值的非参数回归

在一般模型下，考虑随机设计非参数回归中响应函数$f（x）$的sharp-最优估计问题，其中一对观测值$（Y，x）$具有联合…

标度依赖辅助变量的非参数回归

本文发展了一个枢轴模型的sharp-minimax理论，并表明对于该模型，数据驱动估计器的性能与基准估计器一样好，建议用于连续响应的估计器也可用于离散响应的情况。

基于凸规划的核类上稀疏可加模型的极小极大最优速率

本文考虑了每个单变量分量函数fj*位于再生核希尔伯特空间（RKHS）中的情况，并分析了一种基于核与l1型凸正则化相结合的未知函数f*估计方法，获得了许多有趣的稀疏加性模型类的最优极小极大率。

非参数加法模型中的变量选择。

自适应群Lasso程序适用于中等规模的样本，并在条件平均函数的非参数可加模型中实现最佳收敛速度，条件平均函数可能大于样本规模，但非零可加分量的数量相对于样本规模而言“小”。

高维非参数回归中变量的选择和降维

考虑了非参数高斯回归模型中的l1惩罚过程，该模型以n2的速率估计回归函数�/(2�+d日� ) , 其中d�, 问题的“真实”维度（f所依赖的变量的确切数量）取代了设计的维度d。

多核学习的快速学习率：稀疏性与平滑性的权衡

该分析揭示了正则化函数的选择与性能之间的一些关系，并显示了比$\ell_1$和弹性网正则化的学习速度更高的收敛速度。

函数线性回归中的稀疏估计

稀疏加性模型

推导出了一种适用于模型拟合的算法，该算法在协变量数量大于样本量的情况下也是实用有效的，实验结果表明，该算法可以有效地拟合高维数据中的稀疏非参数模型。

多元非参数回归中的成分选择与平滑

详细分析表明，COSSO通过对功能组件应用一种新的软阈值类型操作来进行模型选择，这自然会导致迭代算法。