A broad guiding principle in applied statistics is that high-dimensionnal data live on smaller dimensionnal structures. In this context, we investigate the problem of density estimation when the data are supported on an unknown submanifold M of possibly unknown dimension d. We will try to adapt standard nonparametric tools such as kernel methods to this framework, and discuss the effect of the lack of knowledge on M on the accuracy of the estimate.
Estimation de densité sur sous-variété
- Se connecter pour poster des commentaires
Nom de l'orateur
Clement BERENFELD
Etablissement de l'orateur
Université Paris Dauphine
Date et heure de l'exposé
Lieu de l'exposé
LMJL