サインイン
インサイト - Statistik, Maschinelles Lernen
Zufallswald-gewichtete lokale Fréchet-Regression mit zufälligen Objekten
Die Kernidee ist, einen neuen Ansatz für die Fréchet-Regression zu entwickeln, der die Stärken des Zufallswalds nutzt, um eine lokal adaptive Kernfunktion zu erzeugen. Dies führt zu einer signifikanten Verbesserung gegenüber bestehenden Fréchet-Regressionsmethoden.
Erkennung von Fehlern in numerischen Antworten mithilfe beliebiger Regressionsmodelle
Durch Berücksichtigung verschiedener Unsicherheiten können Vertrauenswürdigkeitswerte ermittelt werden, die echte Fehler von natürlichen Datenschwankungen unterscheiden, basierend auf den verfügbaren Covariateninformationen im Datensatz. Es wird ein einfaches, aber effizientes Filterverfahren vorgeschlagen, um potenzielle Fehler zu beseitigen, und es werden theoretische Garantien für die Methode aufgestellt.
