非平稳加权风险最小化的快速收敛速率

该研究针对分布漂移下的加权经验风险最小化，将超额风险分解为学习项与漂移误差项，并在混合条件下证明了学习误差的 oracle 不等式，该界对任意权重类一致成立，且涵盖权重向量诱导的有效样本量、权重与假设类复杂度及数据依赖性。