非正则交叉拟合的推断方法获改进

研究者 Bruno Fava 提出一种针对非正则条件下交叉拟合估计量的推断方法。他利用新的局部性条件证明，一大类交叉拟合估计量在非正则情形下仍满足中心极限定理，但渐近方差需按交叉折相关性调整。 基于此，他提出估计该相关性并构造置信区间的方法，称其可达到渐近名义覆盖率。在随机森林与神经网络的模拟研究中，该方法取得近似名义覆盖率。 此前交叉拟合中忽略交叉折依赖的置信区间在非正则场景下覆盖不足，是该方法试图解决的问题。

AI 根据报道生成 · 14 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。