研究人员开发了一种新的非参数框架，用于估计函数结果的条件分布，从而更深入地理解协变量如何影响整个函数响应的分布。这种方法称为函数分布随机森林，它训练随机森林以最小化决策树叶节点内的基于核的最大均值差异。该方法支持对条件分布的任意泛函进行推断，并在模拟中显示能够恢复基线方法所遗漏的分布变化。在 NHANES 加速计数据上的应用成功地识别了与协变量相关的中值活动特征和预测离散度的变化。 AI
影响 该方法学可以增强 AI 研究中复杂、高维数据的分析，特别是在理解协变量对分布的影响方面。
排序理由 该集群包含一篇详细介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
