因子模型中的双重稳健最近邻方法
机器学习
2024-01-31 v3 机器学习
摘要
我们引入并分析了潜因子模型中用于处理缺失数据估计的改进最近邻（NN）变体。我们考虑带有缺失数据的矩阵补全问题，其中第 个条目在观测时由其均值 加上零均值噪声给出，对应未知函数 与潜因子 、。先前的 NN 策略，如单元-单元 NN，为估计均值 依赖于存在其他行 满足 。类似地，时间-时间 NN 策略依赖于存在列 满足 。当相似行或相似列不可得时，这些策略分别表现不佳。我们的估计以两种方式对此缺陷双重稳健：（1）只要存在好的行邻居或好的列邻居，我们的估计便提供一致估计。（2）此外，若好的行邻居与好的列邻居均存在，相较单元-单元或时间-时间 NN，其在非渐近误差上实现（近）二次改进，并具备显著更窄的渐近置信区间。
引用
@article{arxiv.2211.14297,
title = {Doubly robust nearest neighbors in factor models},
author = {Raaz Dwivedi and Katherine Tian and Sabina Tomkins and Predrag Klasnja and Susan Murphy and Devavrat Shah},
journal= {arXiv preprint arXiv:2211.14297},
year = {2024}
}