基于$p$自适应选择的仿射不变$L_p$深度分类器
统计方法学
2016-11-18 v1
摘要
本文利用深度对多元数据进行分类，其中的值通过训练样本的观测自适应选取。尽管许多基于深度的分类器是在假设底层分布具有椭圆对称性的前提下构建的，我们提出的深度分类器适用于更广泛的分布类。我们在适当的正则性条件下建立了这些分类器的Bayes风险相合性。通过分析若干模拟与基准数据集，比较了它们与一些现有参数和非参数分类器（包括基于其他数据深度概念的方法）的有限样本表现。
引用
@article{arxiv.1611.05668,
title = {On Affine Invariant $L_p$ Depth Classifiers based on an Adaptive Choice of $p$},
author = {Subhajit Dutta and Anil K. Ghosh},
journal= {arXiv preprint arXiv:1611.05668},
year = {2016}
}