Learning rates for the risk of kernel-based quantile regression estimators in additive models

Titelangaben

Christmann, Andreas ; Zhou, Ding-Xuan:
Learning rates for the risk of kernel-based quantile regression estimators in additive models.
In: Analysis and Applications. Bd. 14 (2016) Heft 3 . - S. 449-477.
ISSN 0219-5305
DOI: https://doi.org/10.1142/S0219530515500050

Volltext

Link zum Volltext (externe URL):

Weitere URLs

Vorabversion

Angaben zu Projekten

Projekttitel:	Offizieller Projekttitel Projekt-ID Support Vector Machines bei stochastischer Abhängigkeit 220761350
Projektfinanzierung:	Deutsche Forschungsgemeinschaft

Weitere Angaben

Publikationsform:	Artikel in einer Zeitschrift
Begutachteter Beitrag:	Ja
Keywords:	Additive model; quantile regression; rate of convergence; support vector machine
Institutionen der Universität:	Fakultäten > Fakultät für Mathematik, Physik und Informatik > Mathematisches Institut > Lehrstuhl Mathematik VII - Stochastik und maschinelles Lernen Fakultäten > Fakultät für Mathematik, Physik und Informatik > Mathematisches Institut > Lehrstuhl Mathematik VII - Stochastik und maschinelles Lernen > Lehrstuhl Mathematik VII - Stochastik und maschinelles Lernen - Univ.-Prof. Dr. Andreas Christmann Fakultäten Fakultäten > Fakultät für Mathematik, Physik und Informatik Fakultäten > Fakultät für Mathematik, Physik und Informatik > Mathematisches Institut
Titel an der UBT entstanden:	Ja
Themengebiete aus DDC:	000 Informatik,Informationswissenschaft, allgemeine Werke > 004 Informatik 300 Sozialwissenschaften > 310 Statistiken 500 Naturwissenschaften und Mathematik > 510 Mathematik
Eingestellt am:	28 Okt 2015 07:22
Letzte Änderung:	12 Aug 2025 07:41
URI:	https://eref.uni-bayreuth.de/id/eprint/20514