.png){kind=icon}
返回
Frechet κNN-based sufficient dimension reduction
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jmva.2025.105566.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文中，我们介绍了两种Frechet逆回归方法，其核带宽由k近邻确定，旨在实现针对度量空间取值响应变量和欧氏预测变量的充分维数约简。所提方法的一个关键优势在于其能够有效保留度量空间取值响应变量的内在信息。我们通过严谨的理论证明建立了这些方法的大样本正态性。此外，提供了模拟和一个真实数据示例，以验证所提方法的性能和实际适用性。
Keyword:
Frechet sufficient dimension reduction
k nearest neighbors
Metric space
Sliced average variance estimation Sliced inverse
Sliced inverse regression
期刊
J
IF:
1.7
论文数:
99
被引数:
5.8K
机构
引用论文
.png){kind=icon}
On the rate of convergence of empirical measure in $\infty $-Wasserstein distance for unbounded density function在∞-Wasserstein距离下，无界密度函数的经验测度的收敛速率
PREAI
分享收藏
查看更多内容