- Titel
- Least squares estimation for binary decision trees
- Zitierfähige Url:
- https://nbn-resolving.org/urn:nbn:de:bsz:14-qucosa2-731355
- Erstveröffentlichung
- 2020
- Datum der Einreichung
- 29.04.2020
- Datum der Verteidigung
- 13.10.2020
- Abstract (EN)
- In this thesis, a binary decision tree is used as an approximation of a nonparametric regression curve. The best fitted decision tree is estimated from data via least squares method. It is investigated how and under which conditions the estimator converges. These asymptotic results then are used to create asymptotic convergence regions.
- Freie Schlagwörter (DE)
- M-Schätzer, nichtparametrische Regression, multivariate empirische Prozesse, Klassifikations- und Regressionsbäume
- Freie Schlagwörter (EN)
- M-estimator, nonparametric regression, multivariate empirical processes, classification and regression trees
- Klassifikation (DDC)
- 620
- Klassifikation (RVK)
- SK 840
- GutachterIn
- Prof. Dr. Dietmar Ferger
- Prof. Dr. Winfried Stute
- Den akademischen Grad verleihende / prüfende Institution
- Technische Universität Dresden, Dresden
- Version / Begutachtungsstatus
- publizierte Version / Verlagsversion
- URN Qucosa
- urn:nbn:de:bsz:14-qucosa2-731355
- Veröffentlichungsdatum Qucosa
- 14.12.2020
- Dokumenttyp
- Dissertation
- Sprache des Dokumentes
- Englisch
- Lizenz / Rechtehinweis
CC BY-NC-ND 4.0