论文标题
非参数回归中的内核选择
Kernel Selection in Nonparametric Regression
论文作者
论文摘要
在回归模型中，$ y = b（x） +σ（x）\ varepsilon $，其中$ x $具有密度$ f $，本文涉及甲骨文不平等，估计$ bf $，涉及Lerasle等人的内核。 （2016年），通过PCO方法选择。除了在Lacour，Massart和Rivoirard（2017）和Comte and Marie（2020年）中研究的基于内核的估计器的带宽选择外，涵盖了各向异性投影估算器的尺寸选择$ F $和$ BF $。
In the regression model $Y = b(X) +σ(X)\varepsilon$, where $X$ has a density $f$, this paper deals with an oracle inequality for an estimator of $bf$, involving a kernel in the sense of Lerasle et al. (2016), selected via the PCO method. In addition to the bandwidth selection for kernel-based estimators already studied in Lacour, Massart and Rivoirard (2017) and Comte and Marie (2020), the dimension selection for anisotropic projection estimators of $f$ and $bf$ is covered.
