待验证50% 置信事实精确时间
模态回归的估计通常借助核密度估计或经验似然方法实现，其统计性质比均值回归更复杂，收敛速率依赖于密度在峰值附近的曲率。
1
来源数
50%
置信度
长期有效
时效性
2026/10/27
首次发现
来源
偏模态张量回归：高维张量数据稳健建模新方法
rss2026/10/25
涉及实体
相关事实
待验证若协变量密度在目标点附近存在尖峰、断层或空洞，局部有效样本量远低于全局样本量，逐点估计的有效速率可能由该局部设计的光滑性主导，而非由总样本量决定。72% 相似待验证核密度估计（KDE）中高斯核带宽参数σ过小时估计退化为离散点集合，σ过大则过度平滑掉细节信息，体现偏差-方差权衡71% 相似待验证维数灾难指当协变量维度 d 增大时，非参数估计所需样本量呈指数级增长，导致核密度估计、核均值嵌入等方法收敛速率失去实用性。71% 相似待验证以往对流匹配/扩散模型的泛化分析往往需要对估计出的速度场施加较强的限制性假设（如全局Lipschitz连续性、有界范数或特定正则性）69% 相似待验证平滑度参数 β 越大，密度函数越光滑，理论上可用更少样本实现更好的估计精度69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1102403API
curl https://kongchang.com/api/v1/knowledge/claims/1102403MCP
get_claim(id=1102403)