体积采样岭回归的精确校准与锐利风险几何

研究从固定设计的恰好 s 个不同行进行岭回归，响应固定而仅子集随机，证明当 s 超过目标有效维度时，存在唯一惩罚项使所选岭回归拟合在期望上匹配全数据岭回归拟合。针对平衡符号坐标副本，严格扇区不等式给出从维度到行数减一各预算下的锐利风险及全部最大化响应，并构造出同样本无偏的岭—Horvitz—Thompson 混合估计，具有更低锐利风险与精确均值份额改进边界。