平稳自回归模型的泛化误差界
机器学习
2011-06-06 v2 机器学习
摘要
我们推导了平稳单变量自回归(AR)模型的泛化误差界。我们证明，施加平稳性足以控制高斯复杂度，而无需进一步正则化。这使得我们可以使用结构风险最小化进行模型选择。我们通过预测利率变动来演示我们的方法。
引用
@article{arxiv.1103.0942,
title = {Generalization error bounds for stationary autoregressive models},
author = {Daniel J. McDonald and Cosma Rohilla Shalizi and Mark Schervish},
journal= {arXiv preprint arXiv:1103.0942},
year = {2011}
}
备注
10 pages, 3 figures. CMU Statistics Technical Report