k-近傍法（k-NN）はクエリ近傍の k 個のデータベクトルを検索し，付随するラベルの平均によりラベル確率を推定する．近年，複数の k1, k2, ... における k-NN 推定量を k=0 に外挿し，k-NN の漸近バイアスを減少させるマルチスケール k-近傍法 (MS-k-NN）が提案された．既存の MS-k-NN では漸近的に導出された回帰関数を最小二乗法により推定するが，(i) その回帰関数の有限サンプルにおける有効性は明らかでなく，(ii) 単純な最小二乗法では各 k での k-NN 推定量の従属性を適切に扱えていない，という問題があった．これらの問題を解決するために，本研究では MS-k-NN の外挿に利用する新たな回帰関数と推定法を検討する．また MS-k-NN に着想を得た Local Radial Logistic Regression（LRLR）を提案し，これらの手法を数値実験により比較する．
