矩阵、向量与线性最小二乘回归的维数无关PAC-Bayesian界
统计理论
2018-01-03 v2 统计理论
摘要
本文关注在弱多项式矩假设下的维数无关PAC-Bayesian界，允许重尾样本分布。它涵盖向量或矩阵均值的估计，并应用于最小二乘线性回归。由于Gram矩阵在高维数据分析中的突出作用，我们特别致力于其估计问题。
引用
@article{arxiv.1712.02747,
title = {Dimension-free PAC-Bayesian bounds for matrices, vectors, and linear least squares regression},
author = {Olivier Catoni and Ilaria Giulini},
journal= {arXiv preprint arXiv:1712.02747},
year = {2018}
}
备注
Version 1 needed some further proofreading