核回归
核回归（），又称局部加权线性回归是统计学中用于估计随机变量的条件期望的非参数方法。目的是找到一对随机变量X和Y之间的非线性关系。 在任何非参数回归中 ，变量的条件期望 Y相对于变量X可以写成： \operatorname{E}(Y | X) = m(X) m为一个未知函数。 Nadaraya–Watson核回归 1964年， 埃利茲巴爾·納達拉亞和都提出了估算m作为局部加权平均值，使用内核作为加权函数的方法。 Nadaraya–Wats…
标签：#無母數迴歸
共 3 篇文章
非参数回归
非参数回归指的是一类回归分析，其中的预测子不是预先确定的，而根据从数据中获得的信息。也就是说，预测子与因变量之间的关系不会假定为参数形式。非参数回归需要更大的样本量，因为数据必须提供参数模型结构和模型估计值。 定义 非参数回归中，有随机变量X、Y，并假设其关系如下： : \mathbb{E}[Y\mid X=x] = m(x), 其中m(x)是某个确定函数。线性回归也是非参数回归的一种，m(x)假定为仿射。 有些学者使用了稍强的加性噪声…
保序回归
保序回归（）在数值分析中指的是在保序约束下搜索一个加权 w 的最小二乘 y 以拟合变量 x，它是一个二次规划问题： \min \sum_{i=1}^n w_i (x_i - a_i)^2，且满足 x_i \le x_{i+1} 保序回归应用于统计推理、多维标度等研究中。