函数型设定下的 DD$^G$-分类器
统计方法学
2018-01-04 v3 应用统计
摘要
最大深度（Maximum Depth）是首次尝试使用数据深度而非多元原始数据来构建分类规则。近年来，DD-分类器（DD-classifier）解决了最大深度分类器的若干严重局限，但一些问题仍然存在。本文致力于从以下方面扩展 DD-分类器：首先，克服当涉及两个以上组时 DD-分类器的局限。其次，将常规分类方法（如 NN、线性或二次分类器、递归分割等）应用于 DD-图（DD-plots），通过这些方法的诊断获得有用见解。第三，在分类过程中以统一方式整合不同信息源（数据深度或多元函数型数据）。此外，由于 DD-分类器技巧在函数型框架中特别有用，文中对几种函数型数据深度进行了增强修订。本文还提供了模拟研究以及一些经典真实数据集的应用，展示了新方法的效力。
引用
@article{arxiv.1501.00372,
title = {The DD$^G$-classifier in the functional setting},
author = {Juan A. Cuesta-Albertos and Manuel Febrero-Bande and Manuel Oviedo de la Fuente},
journal= {arXiv preprint arXiv:1501.00372},
year = {2018}
}
备注
29 pages, 6 figures, 6 tables, Supplemental R Code and Data