加权中位数算法实现最优假设选择

研究者 Liang-Yu Zou 提出一种基于加权中位数的假设选择算法，在 n 个候选假设中选出与目标分布 P 最接近的一个。该算法使用 O(ε⁻²log(n/δ)) 个目标样本，运行时间为 O(nε⁻²log(n/δ))，以至少 1-δ 的概率返回假设 H_î，满足 d_TV(P,H_î) ≤ 3min_i d_TV(P,H_i)+ε。 据该研究称，这一样本复杂度达到最优，运行时间改进至对数级。相关结果以预印本形式发布在 arXiv cs.LG。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。