We discuss local regression estimators when the predictor lies on the -dimensional sphere and the response is binary. Despite Di Marzio et al. (2018b), who introduce spherical kernel density classification, we build on the theory of local polynomial regression and local likelihood. Simulations and a real-data application illustrate the effectiveness of the proposals.

Local binary regression with spherical predictors

Di Marzio, Marco
;
Fensore, Stefania;
2019

Abstract

We discuss local regression estimators when the predictor lies on the -dimensional sphere and the response is binary. Despite Di Marzio et al. (2018b), who introduce spherical kernel density classification, we build on the theory of local polynomial regression and local likelihood. Simulations and a real-data application illustrate the effectiveness of the proposals.
File in questo prodotto:
File Dimensione Formato  
1-s2.0-S0167715218302633-main.pdf

Solo gestori archivio

Descrizione: Article
Tipologia: PDF editoriale
Dimensione 435.11 kB
Formato Adobe PDF
435.11 kB Adobe PDF   Visualizza/Apri   Richiedi una copia
sphereclassB4.pdf

accesso aperto

Descrizione: Accepted Version
Tipologia: Documento in Post-print
Dimensione 290.83 kB
Formato Adobe PDF
290.83 kB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/11564/702221
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus 2
  • ???jsp.display-item.citation.isi??? 2
social impact