统计学习中的调整式Wasserstein分布鲁棒估计器
机器学习
2024-05-13 v3 机器学习
摘要
我们提出了一种调整式Wasserstein分布鲁棒估计器——基于统计学习中Wasserstein分布鲁棒(WDRO)估计器的非线性变换。经典WDRO估计器具有渐近偏差，而我们的调整式WDRO估计器是渐近无偏的，从而具有更小的渐近均方误差。进一步，在特定条件下，我们提出的调整技术为去偏渐近有偏估计器提供了通用原则。具体地，我们将研究调整式WDRO估计器如何在广义线性模型(包括逻辑回归、线性回归和泊松回归)中构建。数值实验证明了该调整估计器相对于经典估计器的良好实用性能。
引用
@article{arxiv.2303.15579,
title = {Adjusted Wasserstein Distributionally Robust Estimator in Statistical Learning},
author = {Yiling Xie and Xiaoming Huo},
journal= {arXiv preprint arXiv:2303.15579},
year = {2024}
}