基于并行梯度提升的概率分布非参数自回归估计

研究人员提出通过自回归方式将联合分布分解为条件分布估计器，并基于并行梯度提升构建非参数估计模型。理论证明，在损失函数满足次可加性时，联合分布的收敛速率界可由条件分布估计器的收敛速率界导出，并受依赖图稀疏度约束。在模拟和真实数据集的测试中，该方法即使不优化分解顺序也展现出具有竞争力的估计性能。