非平稳加权风险最小化论文获快速收敛率

Tobias Brock 与 Thomas Nagler 发布论文《Fast Rates for Nonstationary Weighted Risk Minimization》，研究分布漂移下加权经验风险最小化的样本外预测误差，将超额风险拆分为学习项与漂移项，并在混合条件下证明了学习误差的 oracle 不等式，该界对任意权重类一致成立。 作者称，在平方损失下给出了结构突变与平滑漂移过程的漂移误差显式界，并将其用于线性模型、基函数近似和神经网络的回归，最优权重由学习与漂移的偏差-方差权衡决定。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。