依赖观测下高维线性回归的模型选择
机器学习
2019-06-19 v1 机器学习
统计理论
统计理论
摘要
我们研究了正交贪婪算法(OGA)在具有依赖观测的高维回归模型中的预测能力。在多种稀疏性条件下，获得了OGA预测误差的收敛速率。为防止OGA过拟合，我们引入高维赤池信息准则(HDAIC)来确定OGA的迭代次数。本工作的一个关键贡献是表明，OGA与HDAIC结合使用，可以在不知晓底层高维模型稀疏程度的情况下达到最优收敛速率。
引用
@article{arxiv.1906.07395,
title = {Model selection for high-dimensional linear regression with dependent observations},
author = {Ching-Kang Ing},
journal= {arXiv preprint arXiv:1906.07395},
year = {2019}
}
备注
30 pages