Local bandwidth selectors for functional kernel regression

KURUCZOVÁ, Daniela a Jan KOLÁČEK. Local bandwidth selectors for functional kernel regression. 2017.

Základní údaje

• Originální název: Local bandwidth selectors for functional kernel regression
• Autoři: KURUCZOVÁ, Daniela a Jan KOLÁČEK.
• Vydání: 2017.

Další údaje

• Originální jazyk: angličtina
• Typ výsledku: Konferenční abstrakt
• Obor: 10101 Pure mathematics
• Stát vydavatele: Španělsko
• Utajení: není předmětem státního či obchodního tajemství
• WWW: URL
• Organizační jednotka: Přírodovědecká fakulta
• Klíčová slova anglicky: Functional data; nonparametric regression; kernel methods; bandwidth selection
• Příznaky: Mezinárodní význam, Recenzováno

Anotace

Nonparametric regression methods based on kernel smoothing rely on selection of suitable bandwidth parameter in order to minimize the mean squared error. We focus on the functional regression, i.e. the case when the predictor is a functional random variable. In finite-dimensional setting, global selection of bandwidth (same bandwidth is used for all data points) is often sufficient. Due to sparsity of infinite dimensional space, local bandwidth selection (different bandwidth is chosen for each data point) seems to be more suitable approach. In our study, we focus on local bandwidth selection methods. Furthermore, we propose local bandwidth selection method based on penalizing functions. Using simulation studies, we compare local bandwidth selection methods with each other and with their global counterparts.

Návaznosti

• GA15-06991S, projekt VaV: Název: Analýza funkcionálních dat a související témata

Investor: Grantová agentura ČR, Analýza funkcionálních dat a související témata