We consider the random design regression model with square loss. We propose a
method that aggregates empirical minimizers (ERM) over appropriately chosen
random subsets and reduces to ERM in the extreme case, and
研究在回归模型中,假设目标 Y 和模型 F 都是亚高斯的情况下,针对经验风险最小化程序的尖锐的预言不等式,如果 F 是凸的,则我们得到的界限在极小值意义上是尖锐的。此外,在对 F 的温和假设下,即使允许程序以常定概率执行,ERM 的错误率仍然是最佳的。我们分析的一部分是高斯回归模型的极小值结果的新证明。