Kernel Selection in Nonparametric Regression - Archive ouverte HAL
Pré-Publication, Document De Travail Année : 2020

Kernel Selection in Nonparametric Regression

Résumé

In the regression model $Y = b(X) +\varepsilon$, 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.
Fichier principal
Vignette du fichier
Kernel_Selection_in_Nonparametric_Regression.pdf (938.98 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-02867190 , version 1 (13-06-2020)
hal-02867190 , version 2 (20-03-2021)

Identifiants

  • HAL Id : hal-02867190 , version 1

Citer

Hélène Halconruy, Nicolas Marie. Kernel Selection in Nonparametric Regression. 2020. ⟨hal-02867190v1⟩
187 Consultations
142 Téléchargements

Partager

More