• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>The econometrics journal >Cross-validation and non-parametric k nearest-neighbour estimation
【24h】

Cross-validation and non-parametric k nearest-neighbour estimation

机译：交叉验证和非参数k最近邻估计

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper we consider the problem of estimating a non-parametric regression function using the k nearest-neighbour method. We provide asymptotic theories for the least-squares cross validation (CV) selected smoothing parameter k for both local constant and local linear estimation methods. We also establish the asymptotic normality results for the resulting non-parametric regression function estimators. Some limited Monte Carlo experiments show that the CV method performs well in finite sample applications.
机译：在本文中，我们考虑使用k最近邻方法估计非参数回归函数的问题。我们为局部常数和局部线性估计方法的最小二乘交叉验证（CV）选择的平滑参数k提供渐近理论。我们还为所得的非参数回归函数估计量建立渐近正态性结果。一些有限的蒙特卡洛实验表明，CV方法在有限样本应用中表现良好。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号