arXiv stat.ML· Honghao Lin, Songbin Liu, Arian Maleki, Vahab Mirrokni, Chen Shang, David P. Woodruff, Hanbo Yang, Wenjin Zhang·· 13 天前AI 评分24
高维块非光滑正则化下近似留一法的精度理论研究
On the Accuracy of Approximate Leave-One-Out with Blockwise Nonsmooth Regularization in High-dimensions
AI 导读
研究者分析了高维比例机制下促进块稀疏的启发式近似留一法（ALO）的理论精度。在块大小一致有界的假设下，证明了精确留一损失与其 ALO 近似之间的期望平均绝对误差达到 $O(\log^{3/2}(en)/\sqrt{n})$。该证明基于对全数据与留一估计器之间激活组状态变化数量给出的精确界，在更弱假设下提供了更强的理论保证与稳定性分析。
来源：arXiv stat.ML · arxiv.org