Regresión global no lineal para objetos aleatorios a través de expectativas condicionales débiles

Área de la Ciencia:

• Las estadísticas
• Aprendizaje automático
• Ciencia de los datos

Sus antecedentes:

• Los datos con valor de objeto de espacios métricos son cada vez más comunes.
• Los modelos de regresión existentes luchan con variables de predicción y respuesta complejas y no euclidianas.
• Falta un marco general para la regresión valorada por objeto.

Objetivo del estudio:

• Desarrollar un marco general de regresión no lineal para datos con valores de objeto.
• Para introducir una media de Fréchet condicional débil utilizando los operadores de Carleman.
• Extender el análisis de regresión a espacios complejos de predicción y respuesta no euclidianos.

Principales métodos:

• Utilizando la reproducción del espacio de Hilbert del núcleo (RKHS) para el modelado no lineal.
• Definición de una media condicional débil de Fréchet a través de los operadores de Carleman.
• El establecimiento de relaciones entre medios condicionales y condicionales débiles de Fréchet.

Principales resultados:

• Se propone un nuevo modelo de regresión global no lineal de Fréchet.
• El nuevo modelo abarca métodos existentes como la regresión de Fréchet de núcleo lineal.
• Las propiedades teóricas de las estimaciones se analizan utilizando la geometría intrínseca de los espacios métricos.

Conclusiones:

• El método propuesto proporciona una herramienta poderosa para analizar datos complejos con valores de objeto.
• El marco es versátil, aplicable a varios tipos de datos no euclidianos.
• Los estudios numéricos confirman la eficacia del método para aplicaciones del mundo real.