arXiv stat.ML· Sloan Nietert, Daniel Kuhn·· 17 小时前AI 评分32
遗憾最优的 Wasserstein 鲁棒线性回归研究
Regret-Optimal Wasserstein-Robust Linear Regression
AI 导读
针对存在 2-Wasserstein 扰动的多元最小二乘回归,研究指出了分布鲁棒优化(DRO)在超额风险或遗憾指标上的次优性缺陷。理论分析表明 DRO 在扰动趋于 0 时可达 $O(\kappa \varepsilon^2)$ 实例最优率,但在固定扰动下存在维度依赖的失效模式。为此提出的极小化极大遗憾优化(MRO)与谱范数正则化(SNR)被证明可达极小化极大率,且分别具备精确凸重构和加速近端算法。
来源:arXiv stat.ML · arxiv.org