用于事件分类的自定义正交权重函数（COWs）

数据分析中的一个常见问题是信号与背景的分离。我们重新审视并推广了所谓的$sWeights$方法，该方法允许利用混合信号和背景模型对判别变量进行拟合，来计算控制变量的信号密度的经验估计。我们证明，$sWeights$是一类更广泛的自定义正交权重函数（COWs）的一个特例，COWs可以应用于更一般的问题类别，其中判别变量和控制变量不一定独立，并且仍能实现接近最优的性能。我们还研究了从统计模型拟合到$sWeights$所估计参数的性质，并为拟合参数的渐近协方差矩阵提供了闭合公式。为了说明我们的发现，我们讨论了这些技术的几个实际应用。