基于经验贝叶斯 jackknife 回归框架的协方差矩阵估计
计算机视觉与模式识别
2024-06-26 v2
摘要
协方差矩阵估计是统计学中的经典议题，当样本量相当于或小于特征数时，面临着显著挑战。本文将协方差矩阵估计建模为复合决策问题，并对其应用最优决策规则进行估计。为逼近该决策规则，我们引入一种算法，将 jackknife 技术与机器学习回归方法相结合。该算法在无需对数据分布做出假设的情况下具有适应性，可应用于各种情形。模拟结果和来自小鼠 RNA-seq 实验中基因网络推断的结果表明，我们的方法要么匹配，要么优于几种最新方法。
引用
@article{arxiv.2406.13875,
title = {WATT: Weight Average Test-Time Adaptation of CLIP},
author = {David Osowiechi and Mehrdad Noori and Gustavo Adolfo Vargas Hakim and Moslem Yazdanpanah and Ali Bahri and Milad Cheraghalikhani and Sahar Dastani and Farzad Beizaee and Ismail Ben Ayed and Christian Desrosiers},
journal= {arXiv preprint arXiv:2406.13875},
year = {2024}
}