在宽松 Lipschitz 估计下 NSM 收敛于 k-NN 回归器
系统与控制
2020-03-24 v1 系统与控制
摘要
尽管已知准确的 Lipschitz 估计对于某些模型提供良好预测性能至关重要，但在实践中细化该常数可能是一项困难任务，尤其当输入维度较高时。本文中，我们阐明了在非线性集员(NSM)框架中采用宽松 Lipschitz 界所带来的后果，表明该模型收敛于最近邻回归器(k-NN，k=1)。此外，该收敛过程非一致，且在单变量情况下是单调的。随后给出了该结果的直观几何解释，并讨论了其实际含义。
关键词
引用
@article{arxiv.2003.09870,
title = {NSM Converges to a k-NN Regressor Under Loose Lipschitz Estimates},
author = {Emilio T. Maddalena and Colin N. Jones},
journal= {arXiv preprint arXiv:2003.09870},
year = {2020}
}
备注
10 pages, 2 figures