研究人员分析了用于估计单变量高斯混合密度的非参数最大似然估计量(NPMLE)。他们证明了当混合测度为亚高斯测度时,无约束NPMLE在Hellinger距离平方误差下达到了$\log(n)/n$的minimax最优率。此外,对于具有紧支撑的混合测度,约束在紧区间内的NPMLE也达到了略快的minimax最优率。 AI
影响 为与机器学习相关的统计估计方法提供了理论基础。
排序理由 学术论文,详细介绍了估计方法的理论分析。[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 →