...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of nonparametric statistics >Sufficient dimension reduction via distance covariance with multivariate responses
【24h】

Sufficient dimension reduction via distance covariance with multivariate responses

机译：通过距离协方差和多元响应来充分降低尺寸

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 article, we propose a new method for sufficient dimension reduction when both response and predictor are vectors. The new method, using distance covariance, keeps the model-free advantage, and can fully recover the central subspace even when many predictors are discrete. We then extend this method to the dual central subspace, including a special case of canonical correlation analysis. We illustrated estimators through extensive simulations and real datasets, and compared to some existing methods, showing that our estimators are competitive and robust.
机译：在本文中，我们提出了一种新方法，当响应和预测变量均为矢量时，该方法可充分减少尺寸。使用距离协方差的新方法保留了无模型优势，即使许多预测变量是离散的，也可以完全恢复中心子空间。然后，我们将此方法扩展到对偶中心子空间，包括典范相关分析的特殊情况。我们通过大量的模拟和真实的数据集说明了估计量，并与一些现有方法进行了比较，表明我们的估计量具有竞争力和鲁棒性。

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