.png){kind=icon}
返回
Efficient online estimation for nonparametric regression models with streaming data
.png){kind=icon}
PRE
AI
DOI：10.1007/s00180-026-01756-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们考虑非参数回归的在线估计问题，并首先识别出两项关键任务：更新汇总统计量和动态调整参数。基于这两项任务的交互方式，我们将现有方法分为两种模式。在第一种模式下，任务可以独立执行，而在第二种模式下，它们必须协同进行。相比之下，第二种模式更具挑战性，因为汇总统计量依赖于调整参数，这些参数随着新数据的到达而持续变化，无法预先确定。为解决此问题并提高估计的准确性和效率，我们针对第二种模式提出了一种新的在线方法。我们的方法引入一个静态候选序列作为未来时间点的预定参数，为每个候选构建汇总统计量，然后按一对一方式更新它们。此外，设计了一个指数以动态选择最接近当前全局最优的候选，并使用其对应的汇总统计量进行实时估计。最后，我们分析了所提出方法的理论性质，并通过数值实验和真实数据分析验证了其有效性。
Keyword:
Nonparametric regression
Online methods
Local polynomial regression
Globally optimal bandwidth
Computational efficiency
期刊
C
IF:
1.4
论文数:
101
被引数:
2.2K
机构
引用论文
.png){kind=icon}
分享收藏分享收藏分享收藏
查看更多内容