针对函数型变量的有序模型，提出最优预测方法。
Pr{é}diction optimale pour un mod{è}le ordinal {à} covariables fonctionnelles
- 基于损失函数定义有序模型最优预测
- 给出最小绝对偏差预测的显式公式
- 将函数型变量转为标量变量，适配经典模型
我们提出一种面向有序模型的预测框架：引入基于损失函数的最优预测，并给出该模型下最小绝对偏差预测的显式表达式。随后，将带有函数型协变量的有序模型重新表述为包含多个标量协变量的经典有序模型。文中展示了所有提出方法的有效性，并将其应用于埃西勒-路透卡公司收集的数据集，用于开发智能眼镜遮光度控制算法。
原文摘要 · Abstract (English)
We present a prediction framework for ordinal models: we introduce optimal predictions using loss functions and give the explicit form of the Least-Absolute-Deviation prediction for these models. Then, we reformulate an ordinal model with functional covariates to a classic ordinal model with multiple scalar covariates. We illustrate all the proposed methods and try to apply these to a dataset collected by EssilorLuxottica for the development of a control algorithm for the shade of connected glasses.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。