正则化、稀疏恢复与均值中位数竞赛
统计理论
2017-11-30 v2 机器学习
统计理论
摘要
本文引入了一种用于回归函数估计的正则化风险最小化过程，其在一般条件下（包括重尾预测变量和响应变量）实现了近最优的精度与置信度。该过程基于作者在[8]中引入的均值中位数竞赛（median-of-means tournaments）。研究表明，在重尾问题中，新过程优于诸如 lasso 或 slope 的标准正则化经验风险最小化过程。
引用
@article{arxiv.1701.04112,
title = {Regularization, sparse recovery, and median-of-means tournaments},
author = {Gábor Lugosi and Shahar Mendelson},
journal= {arXiv preprint arXiv:1701.04112},
year = {2017}
}
备注
28 pages