研究人员为群组分布鲁棒（GDR）最小二乘问题开发了一种新算法。该算法在准确性适中的情况下，通过显著减少线性系统求解次数，可以获得近乎最优的解。该技术方法利用了一种称为块刘易斯权重的几何构造，将经验 GDR 问题与标准的最小二乘问题联系起来，并通过加速近端方法得到增强。 AI
影响 这项研究推进了与机器学习相关的优化技术，有可能提高统计模型的鲁棒性和效率。
排序理由 该集群包含一篇详细介绍统计问题新算法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2607.00252v1 Announce Type: cross Abstract: We present an algorithm for the group distributionally robust (GDR) least squares problem. Given $m$ groups, a parameter vector in $\mathbb{R}^d$, and stacked design matrices and responses $\mathbf{A}$ and $\mathbf{b}$, our algori…
We present an algorithm for the group distributionally robust (GDR) least squares problem. Given $m$ groups, a parameter vector in $\mathbb{R}^d$, and stacked design matrices and responses $\mathbf{A}$ and $\mathbf{b}$, our algorithm obtains a $(1+\varepsilon)$-multiplicative opt…