用于时间序列预测的 Nyström 正则化
机器学习
2021-11-16 v1 机器学习
摘要
本文关注具有序列子采样的 Nyström 正则化在 -混合时间序列上的学习率分析。利用最近发展的针对 -混合序列的 Banach 值 Bernstein 不等式以及基于二阶分解的积分算子方法，我们成功推导出了具有序列子采样的 Nyström 正则化在 -混合时间序列上近乎最优的学习率。我们进行了一系列数值实验来验证我们的理论结果，显示了具有序列子采样的 Nyström 正则化在学习海量时间序列数据时的优异学习性能。所有这些结果将 Nyström 正则化的适用范围从独立同分布样本扩展到了非独立同分布序列。
引用
@article{arxiv.2111.07109,
title = {Nystr\"{o}m Regularization for Time Series Forecasting},
author = {Zirui Sun and Mingwei Dai and Yao Wang and Shao-Bo Lin},
journal= {arXiv preprint arXiv:2111.07109},
year = {2021}
}
备注
35 pages