研究提出 oracle drift 分析非平稳加权风险最小化
热点事件持续更新
研究提出 oracle drift 分析非平稳加权风险最小化
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Tobias Brock 与 Thomas Nagler 发表论文,将非平稳加权风险最小化的超额风险拆分为估计、漂移与近似三部分,并提出用最优预测器在模型类内的移动量(oracle drift)直接刻画漂移误差,而非依赖 discrepancy 类量。 论文称,discrepancy 类量可能过于保守:其缩放阶数可大于实际超额风险贡献,并会对不影响最优预测器的风险面变化产生响应。在线性回归中,作者精确刻画了这一差距,并将漂移界与估计保证相结合,分析进一步扩展至非参数回归。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
超越 Discrepancy:非平稳加权风险最小化中的 Oracle Drift报道时间线
沿着报道,了解事件的不同侧面。
10月12日
- arXiv stat.ML超越 Discrepancy:非平稳加权风险最小化中的 Oracle Drift
研究将非平稳加权风险最小化的超额风险拆分为估计、漂移与近似三部分,提出用最优预测器在模型类内的移动量(oracle drift)直接刻画漂移误差,而非依赖 discrepancy 类量。分析表明 discrepancy 类量可能过于保守,其缩放阶数可大于实际超额风险贡献,并会对不影响最优预测器的风险面变化产生响应。在线性回归中该差距被精确刻画,漂移界与估计保证相结合,分析进一步扩展至非参数回归。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。