高度自适应 Ridge
机器学习
2024-10-04 v1 机器学习
摘要
本文提出高度自适应 Ridge（HAR）：一种回归方法，在右连续且平方可积截面导数的函数类中实现 的无维度 L2 收敛率。这是一个大型非参数函数类，特别适用于表格数据。HAR 是使用基于饱和零阶张量积样条基展开的特定数据自适应核的核岭回归。我们使用仿真和真实数据确认理论。我们证明在小数据集方面，HAR 的实际性能优于当前算法。
关键词
引用
@article{arxiv.2410.02680,
title = {Highly Adaptive Ridge},
author = {Alejandro Schuler and Alexander Hagemeister and Mark van der Laan},
journal= {arXiv preprint arXiv:2410.02680},
year = {2024}
}