Математика > Статистическая теория [представлена 16 октября 2026 года] Название: Robust Local Frechet Regression: Nonasymptotic Theory и Minimax Optimal View PDF HTML (экспериментальная) Резюме: Мы разрабатываем надежную местную регрессию Фрет для тяжелых ответов в общем метрическом пространстве и предлагаем на основе дистанции оценку медианы ресурсов. Мы вычисляем неасимптотические точечные границы высокой вероятности отдельно при местном сглаживании второго порядка и локальной последовательности в размере 1 долл. США Вассерштейн Хёлдер, а также продемонстрируем, что соответствующие оптимизированные ставки соответствуют классическим точечным коэффициентам для непараметрической регрессии. Мы также установили точечные минимаксные нижние границы над встроенными подклассами регрессии Гаусса. Удивительно, что наши результаты не требуют энтропии в пространстве реагирования. Имитационные исследования с ответами, рассчитанными на основе положительной и неопределенной матричной оценки, а также прикладное приложение для реальных данных, включающее ответы по оценке Вассерштейна, свидетельствуют о надежности - эффективности и практической результативности предлагаемого оценочного устройства. Текущий контекст просмотра: математики.ST Ссылки и цитаты Загрузка... Библиографический и цитационно-инструментальный библиолог (Что является Исследовательом?) Подключённые документы (что такое подсоединенные бумаги?) Litmaps (Литмпапс?) Skite Smart Citations (Каков умный цитаты?) Код, данные и…
Жесткая местная регрессия Fr\'echet: нонасимптотическая теория и минимально оптимальная
arXiv:2610.23757v1 Annuales Type: New Humber Abstract: Мы разрабатываем мощную местную регрессию Fr\echet для тяжелоконтактных ответов в общем метрическом пространстве и предлагаем оценку на основе расстояния. Мы вычисляем неасимптотические точечные границы высокой вероятности отдельно при местном сглаживании второго порядка и местной континуитетивности в размере 1 долл. США Wasserstein H\, а также показываем, что соответствующие оптимизированные ставки соответствуют классическим точечным коэффициентам для непараметрической регрессии. Мы также установили точечные минимаксные нижние границы над встроенными подклассами регрессии Гаусса. Удивительно, что наши результаты не требуют энтропии в пространстве реагирования. Имитационные исследования с ответами, рассчитанными на основе положительной и неопределенной матричной оценки, а также прикладное приложение для реальных данных, включающее ответы по оценке Вассерштейна, свидетельствуют о надежности - эффективности и практической результативности предлагаемого оценочного устройства.