https://blog.qife122.com/tags/%E9%AB%98%E7%BB%B4%E7%BB%9F%E8%AE%A1/ Recent content in 高维统计 on 办公AI智能小助手 Hugo zh-cn qife Sat, 04 Oct 2025 01:21:22 +0800 https://blog.qife122.com/p/%E5%9C%A8%E7%BA%BF%E7%BD%91%E7%BB%9C%E7%AA%81%E5%8F%98%E6%A3%80%E6%B5%8B%E4%B8%8E%E9%AB%98%E7%BB%B4%E5%9B%BE%E6%A8%A1%E5%9E%8B%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/ Sat, 04 Oct 2025 01:21:22 +0800 https://blog.qife122.com/p/%E5%9C%A8%E7%BA%BF%E7%BD%91%E7%BB%9C%E7%AA%81%E5%8F%98%E6%A3%80%E6%B5%8B%E4%B8%8E%E9%AB%98%E7%BB%B4%E5%9B%BE%E6%A8%A1%E5%9E%8B%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/ <h2 id="研究背景">研究背景</h2> <p>作为佛罗里达大学信息研究所主任，George Michailidis 领导着由工程、统计学、应用数学等多学科背景数据科学家组成的团队。他强调，除了统计学知识，数据科学家还需要掌握编程、算法、优化等跨学科技能。</p> https://blog.qife122.com/p/%E9%AB%98%E7%BB%B4l2%E6%8F%90%E5%8D%87%E7%AE%97%E6%B3%95%E7%9A%84%E6%94%B6%E6%95%9B%E9%80%9F%E7%8E%87%E5%88%86%E6%9E%90/ Thu, 18 Sep 2025 07:13:38 +0800 https://blog.qife122.com/p/%E9%AB%98%E7%BB%B4l2%E6%8F%90%E5%8D%87%E7%AE%97%E6%B3%95%E7%9A%84%E6%94%B6%E6%95%9B%E9%80%9F%E7%8E%87%E5%88%86%E6%9E%90/ <h1 id="高维l2-boosting收敛速率">高维L2-Boosting：收敛速率</h1> <p><strong>Ye Luo, Martin Spindler, Jannis Kueck; 26(89):1−54, 2025</strong></p> <h2 id="摘要">摘要</h2> <p>提升算法是机器学习领域最重要的进展之一。本文研究了在高维设置下采用提前停止策略的L2-Boosting算法的收敛速率。研究填补了现有文献的空白，在近似稀疏性且无需beta-min条件的设定下，提供了L2-Boosting的收敛速率证明。研究同时表明，经典L2-Boosting算法的收敛速率取决于由稀疏特征值条件描述的设计矩阵。</p> https://blog.qife122.com/p/%E9%AB%98%E7%BB%B4%E6%9C%9F%E6%9C%9B%E7%9F%AD%E7%BC%BA%E5%9B%9E%E5%BD%92%E4%B8%AD%E7%9A%84%E7%BA%BF%E6%80%A7%E5%81%87%E8%AE%BE%E6%A3%80%E9%AA%8C/ Tue, 16 Sep 2025 05:25:16 +0800 https://blog.qife122.com/p/%E9%AB%98%E7%BB%B4%E6%9C%9F%E6%9C%9B%E7%9F%AD%E7%BC%BA%E5%9B%9E%E5%BD%92%E4%B8%AD%E7%9A%84%E7%BA%BF%E6%80%A7%E5%81%87%E8%AE%BE%E6%A3%80%E9%AA%8C/ <h2 id="摘要">摘要</h2> <p>期望短缺（ES）在各领域广泛用于刻画分布尾部特征，尤其在金融风险管理中。本文探索利用正交特性的两步程序，在联合分位数和期望短缺回归框架内降低对 nuisance 参数的敏感性。针对高维稀疏模型，提出能够处理重尾数据分布的鲁棒 ℓ1 惩罚两步方法。建立了非渐近估计误差界，并为发散的鲁棒化参数提出了适当的增长率。为对 ES 回归系数的某些线性组合进行统计推断，构建了去偏估计量并发展了其渐近分布，为构建有效置信区间奠定了基础。通过模拟研究验证了所提出方法的有效性，证明了其在具有重尾误差的高维线性模型中的优越性能。</p>