数据估值的数值误差估计与收敛性分析
机器学习
2025-12-19 v3
摘要
数据估值衡量数据重要性，但现有方法在单次训练过程中无法确保其有效性。神经动态数据估值 (NDDV) 方法 [3] 解决了这一限制。基于 NDDV，我们首次探索数据估值的误差估计和收敛性分析。在 Lipschitz 条件和光滑性假设下，我们推导损失差的二次误差上界，其随时间步长成反比，随控制变化的平方度增长，确保稳定性。我们还证明了训练损失的预期平方梯度范数随迭代渐近消失，元损失在迭代过程中呈亚线性收敛。特别是，NDDV 实现亚线性收敛。
关键词
引用
@article{arxiv.2511.06463,
title = {Error Estimate and Convergence Analysis for Data Valuation},
author = {Zhangyong Liang and Huanhuan Gao and Ji Zhang},
journal= {arXiv preprint arXiv:2511.06463},
year = {2025}
}
备注
7 pages, 3 figure