دورية أكاديمية
Distributional regression and its evaluation with the CRPS: Bounds and convergence of the minimax risk ; Régression distributionnelle et son évaluation avec le CRPS: Bornes et convergence du risque minimax
| العنوان: | Distributional regression and its evaluation with the CRPS: Bounds and convergence of the minimax risk ; Régression distributionnelle et son évaluation avec le CRPS: Bornes et convergence du risque minimax |
|---|---|
| المؤلفون: | Pic, Romain, Dombry, Clément, Naveau, Philippe, Taillardat, Maxime |
| المساهمون: | Laboratoire de Mathématiques de Besançon (UMR 6623) (LMB), Centre National de la Recherche Scientifique (CNRS)-Université de Franche-Comté (UFC), Université Bourgogne Franche-Comté COMUE (UBFC)-Université Bourgogne Franche-Comté COMUE (UBFC), Laboratoire des Sciences du Climat et de l'Environnement Gif-sur-Yvette (LSCE), Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS)-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Extrèmes : Statistiques, Impacts et Régionalisation (ESTIMR), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS)-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Centre national de recherches météorologiques (CNRM), Institut national des sciences de l'Univers (INSU - CNRS)-Observatoire Midi-Pyrénées (OMP), Institut de Recherche pour le Développement (IRD)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université de Toulouse (UT)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National d'Études Spatiales Toulouse (CNES)-Centre National de la Recherche Scientifique (CNRS)-Météo-France-Institut de Recherche pour le Développement (IRD)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université de Toulouse (UT)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National d'Études Spatiales Toulouse (CNES)-Centre National de la Recherche Scientifique (CNRS)-Météo-France-Centre National de la Recherche Scientifique (CNRS), Météo-France, ANR-20-CE40-0025,T-REX,nouveaux challenges pour la prédiction des extremes et sa validation(2020), European Project: 824158,EoCoE-II Horizon 2020 |
| المصدر: | ISSN: 0169-2070 ; International Journal of Forecasting ; https://hal.science/hal-03662994Test ; International Journal of Forecasting, 2023, 39 (4), pp.1564-1572. ⟨10.1016/j.ijforecast.2022.11.001⟩ ; https://www.sciencedirect.com/science/article/pii/S0169207022001443?via%3DihubTest. |
| بيانات النشر: | HAL CCSD Elsevier |
| سنة النشر: | 2023 |
| المجموعة: | Université de Versailles Saint-Quentin-en-Yvelines: HAL-UVSQ |
| مصطلحات موضوعية: | CRPS, Minimax Rate of Convergence, Nearest Neighbor Method, Kernel Method, Probabilistic Forecasting, Distributional Regression, [STAT.TH]Statistics [stat]/Statistics Theory [stat.TH], [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML] |
| الوصف: | International audience ; The theoretical advances on the properties of scoring rules over the past decades have broadened the use of scoring rules in probabilistic forecasting. In meteorological forecasting, statistical postprocessing techniques are essential to improve the forecasts made by deterministic physical models. Numerous state-of-the-art statistical postprocessing techniques are based on distributional regression evaluated with the Continuous Ranked Probability Score (CRPS). However, theoretical properties of such evaluation with the CRPS have solely considered the unconditional framework (i.e. without covariates) and infinite sample sizes. We extend these results and study the rate of convergence in terms of CRPS of distributional regression methods. We find the optimal minimax rate of convergence for a given class of distributions and show that the k-nearest neighbor method and the kernel method reach this optimal minimax rate. |
| نوع الوثيقة: | article in journal/newspaper |
| اللغة: | English |
| العلاقة: | info:eu-repo/grantAgreement//824158/EU/Energy oriented Center of Excellence-II Horizon 2020/EoCoE-II Horizon 2020; hal-03662994; https://hal.science/hal-03662994Test; https://hal.science/hal-03662994v4/documentTest; https://hal.science/hal-03662994v4/file/1-s2.0-S0169207022001443-main.pdfTest |
| DOI: | 10.1016/j.ijforecast.2022.11.001 |
| الإتاحة: | https://doi.org/10.1016/j.ijforecast.2022.11.001Test https://hal.science/hal-03662994Test https://hal.science/hal-03662994v4/documentTest https://hal.science/hal-03662994v4/file/1-s2.0-S0169207022001443-main.pdfTest |
| حقوق: | http://creativecommons.org/licenses/byTest/ ; info:eu-repo/semantics/OpenAccess |
| رقم الانضمام: | edsbas.B8B5E17F |
| قاعدة البيانات: | BASE |
| DOI: | 10.1016/j.ijforecast.2022.11.001 |
|---|