存在协变量缺失时凸集上的分类
统计理论
2018-05-02 v1 统计理论
摘要
我们给出了一系列与凸集上统计分类相关的结果。特别地，关注点在于待分类的数据与观测中部分协变量可能缺失的情形。当类条件密度在凸区域上均匀时，推导出了最优分类器的形式。实践中，底层凸集通常未知，必须借助一组数据来估计。在此情形下，证明了点集的凸包是底层凸集的一致估计量。由于每个凸包中点数本身为随机变量，估计问题更趋复杂。推导了相应的最优分类器插入式版本，并证明其具有 Bayes 一致性。
引用
@article{arxiv.1805.00450,
title = {Classification on convex sets in the presence of missing covariates},
author = {Levon Demirdjian and Majid Mojirsheibani},
journal= {arXiv preprint arXiv:1805.00450},
year = {2018}
}