重尾数据下经验风险最小化的渐近分析

Kaito Takanami 等作者提交的论文，用副本方法刻画了逐元素 i.i.d. 对称 α-stable 数据下线性回归经验风险最小化的泛化误差。作者称，在样本量与特征维度按固定比例同时发散的高维极限下，该分析给出了精确渐近结果，并引入描述每个系数对应随机有效问题的函数序参量。论文还建立了重尾普适律、典型误差与预测可靠性之间的缩放关系，以及 Bayes 最优预测误差。

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。