新算法以接近最优的收敛速率估计Lipschitz函数

本文介绍了一种从噪声数据估计Lipschitz函数的新算法，该算法实现了接近最优的收敛速率。该方法通过采用非线性特征展开将函数映射到delta-凸类，从而扩展了现有的凸形状受限回归技术。这种方法允许自适应分区来确定内在数据维度，并使用基于惩罚的正则化，无需知道真实的Lipschitz常数。实验结果表明，与最近邻和基于核的回归器等成熟方法相比，该方法具有竞争力。 AI

影响 引入了一种新颖的函数估计算法方法，可以增强需要Lipschitz连续性的机器学习模型。

排序理由 在arXiv上发表的学术论文，详细介绍了新的统计估计算法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Gábor Balázs
• Gotit.pub
• Hugging Face
• Influence Flower
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →