概念非参数最大似然估计 / Nonparametric Maximum Likelihood Estimator

NPMLE

非参数最大似然估计，在无限维函数空间中通过最大化经验似然来估计未知分布或密度的统计方法，常用于高斯混合模型等非参数问题

时间轴 (近 90 天)

10月22日

论文证明：在真实混合测度满足次高斯假设时，无约束NPMLE在平方Hellinger距离下达到极小极大最优速率 log(n)/n。

待验证50%

10月22日

论文建立了基于NPMLE的g-建模程序在有界先验的高斯经验贝叶斯问题中的后悔最优性。

待验证50%

10月22日

g-建模通过NPMLE估计边际密度 f(x) = ∫ φ(x-θ) dG(θ)，然后利用反卷积得到先验 G 的估计。

待验证50%

论文证明：在真实混合测度满足次高斯假设时，无约束NPMLE在平方Hellinger距离下达到极小极大最优速率 log(n)/n。

论文建立了基于NPMLE的g-建模程序在有界先验的高斯经验贝叶斯问题中的后悔最优性。

g-建模通过NPMLE估计边际密度 f(x) = ∫ φ(x-θ) dG(θ)，然后利用反卷积得到先验 G 的估计。