high-dimensional linear regression | BriefGPT

关键词high-dimensional linear regression

搜索结果 - 7

线性模型中迭代算法的不确定性量化及其在提前停止中的应用
研究了高维线性回归问题中，使用迭代算法得到的迭代次数从 1 到 T 的变量，并提出了估计器来估计迭代过程中的泛化误差，并应用于提前停止等问题。通过仿真实验证明了理论结果。
PDF2 months ago
通过近似消息传递推断高维线性回归中的变点
我们考虑高维线性回归中的变点定位问题，并提出一种用于估计信号和变点位置的近似消息传递（AMP）算法。假设高斯协变量，我们给出了在样本数与信号维度成比例增长的极限下其估计性能的精确渐近特征。我们的算法可以根据信号、噪声和变点的任何先验信息进行
PDF3 months ago
高维线性回归解释：以电池数据为例展示零空间和正则化效应
高维线性回归存在很多挑战，特别是在利用化学或生物系统获取的离散测量数据时。本研究以构建优化公式为基础，通过比较回归系数与基于物理工程知识获得的系数，理解回归系数差异中与零空间接近的部分，从而帮助优化高维数据的回归模型构建和提高科学理解。
PDF10 months ago
关于鲁棒线性回归的高效算法及下界
研究了高维线性回归在对抗性污染下的稳健模型问题，并针对从高斯分布生成的未被修正的样本的基本情况给出了几乎最紧的上界和计算下界。
PDF6 years ago
Slope meets Lasso: 改进的正则界和最优性
该研究介绍了两种计算方法，分别是自适应选择调整参数的 Lasso 估计器和 Slope 估计器，可以在满足限制特征值条件和更多约束条件的情况下，在高维线性回归上实现准确的最小化预测和 l2 估计率。
PDF8 years ago
带稀疏先验的贝叶斯线性回归
研究高维线性回归的完全贝叶斯程序，旨在寻找未知的稀疏矢量，选择正确的稀疏模型或显著不同于零的系数，并构建和研究置信集以量化不确定性。
PDF10 years ago
指数筛选与稀疏估计的最优速率
通过 Exponential Screening 方法，本文讨论了高维线性回归的稀疏估计问题，提出一个同时考虑稀疏性和均方误差最小的线性组合近似函数估计方法，并证明其在高斯回归方面的优越性。
PDF14 years ago