非参数加性回归中重要变量的搜索

@文章{Hrdle1996SearchFS，title={在非参数加性回归中搜索显著变量}，作者＝｛Wolfgang Karl H｝rdle和Alexander Korostelev｝，journal={Biometrika}，年份={1996}，体积={83}，页码={541-549}，网址={https://api.semanticscholar.org/CorpusID:18552669}}
SUMMARY非参数加性回归是在假设只有非参数分量的子集是非零的情况下研究的。这些非零分量中的每一个都取决于它自己的特定解释变量，称为显著变量。考虑了重要变量的搜索问题，并提出了一种算法，该算法保证了随着样本量的增加，错误概率呈指数下降。我们表明，使用粗糙箱估计器而不是……是合理的
通过Publisher查看
23引文
极具影响力的引文
1
背景引文
6
方法引文
三
结果引文
1

23引文

非参数回归模型中的变量选择

提出了一种新的方法，用于确定具有独立协变量的一般非参数回归模型中的候选变量是否显著。进行正向选择过程…

非参数回归中基于逐步切片的变量选择

基于数据先验的加性非参数回归中的变量选择和函数估计

摘要提出了一种用于加性非参数高斯回归模型和加性非指标二元回归模型中变量选择和函数估计的分层贝叶斯方法…

广义可加模型中估计量的指数界性质和变量选择

基于Linton和Nielsen（1995）提出的边际积分估计方法，我们讨论了广义可加模型估计量的渐近性质。平均值的一般结果…

加性回归中的结构检验

我们考虑具有可加结构的回归模型的成分分析问题。问题是测试一些加法分量是否具有多项式结构（例如，线性）…

用BOOTSTRAP选择部分线性模型

我们提出了一种基于条件期望预测平方损失函数（使用bootstrap估计）的部分线性模型选择的新方法。因为…

可加模型的成分分析

我们考虑具有可加结构的回归模型的成分分析问题。问题是在没有指定结构的情况下检查每个组件的线性假设…

通过经验强度总和的累积比率选择加性模型的变量

我们提出了一种数据驱动的方法，通过样条估计在可加模型中选择重要变量。回归模型的可加性结构是为了克服“诅咒”…

简约可加模型

无模型变量选择

基于充分降维理论，提出了一类新的无模型变量选择方法，该方法不假设任何形式的模型，不需要非参数平滑，并考虑到一般预测效应。

14参考文献

可加非参数回归模型中的估计与变量选择

相加回归模型在许多情况下都很有用。通常使用回溯技术对这些模型进行数值估计。这个迭代数值过程…

基于边际积分的结构非参数回归估计的核方法

我们定义了一个基于边际积分的简单核过程，该过程估计了加性和乘性非参数回归中的相关单变量量。非参数的…

主成分的可加非参数回归

高维非参数回归平滑面临数据稀疏性问题。加法回归模型通过拟合一系列一维平滑函数来缓解这个问题。A类…

平均衍生品的敏感性如何

非线性时间序列的非参数识别：投影

摘要我们研究了使用非参数方法识别一般线性和非线性时间序列模型的可能性。条件均值和方差的核估计量用作…

平均导数估计的带宽选择

摘要平均导数是回归函数导数的期望值。核方法被提出作为估计这一数量的一种方法。带宽问题…

可加模型重要变量的序贯筛选

构造了多维立方体上可加光滑函数族重要变量的序列搜索策略。估计其平均持续时间和平均错误概率…

线性平滑和加法模型

证明了反求是求解与可加模型相关的法方程组的Gauss-Seidel迭代方法，给出了一致性和非退化性的条件，并证明了包含三次样条光滑器的一类光滑器的反求及相关算法的收敛性。

广义可加模型的降维原理

因此，（X，Y）une paire de variables aleatoires告诉que X=（X 1…X j）’s etende sur C=[0,1]j，la分布条件nelle de Y etant donne X=X est假设设备为une famille…

重温“几种数据驱动带宽选择器的实际性能”

可以看出，虽然大多数带宽选择器在方差减少方面有所增益，但与最小二乘交叉验证相比，其中一些带宽选择器在偏差增加方面损失很大，导致总体性能较差。