BriefGPT.xyz
Jan, 2019
正交统计学习
Orthogonal Statistical Learning
HTML
PDF
Dylan J. Foster, Vasilis Syrgkanis
TL;DR
研究提出了一种基于样本拆分的元算法,该算法的输入为目标参数和干扰参数的估计算法,并且在“Neyman正交性”条件下,通过这个元算法可以在更弱的假设条件下,提供干扰成分存在时的额外风险保证,同时考虑到干扰参数估计误差对于超额风险边界的影响仅仅是二阶的,具有很好的灵活性。
Abstract
We provide
excess risk guarantees
for
statistical learning
in the presence of an unknown nuisance component. We analyze a two-stage sample splitting
→