一篇新发表在arXiv上的论文探讨了过参数化线性回归，放宽了关于独立协变量和非退化协方差矩阵的常见假设。研究表明，退化和依赖性会导致多重下降现象，并确定了方差变得奇异的具体配置。这些发现使用方差剖面的新颖图表示来表征，最大匹配和Dulmage--Mendelsohn分解可以精确定位这些奇异方差峰值的位置。 AI
影响 为可能为未来AI算法开发提供信息的回归模型提供了理论见解。
排序理由 该集群包含一篇发表在arXiv上的学术论文，详细介绍了统计学中的新颖数学发现。[lever_c_demoted from research: ic=1 ai=0.4]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- CORE Recommender
- DagsHub
- Dulmage--Mendelsohn decomposition
- Gotit.pub
- Hugging Face
- Influence Flower
- ScienceCast
- The Zero Pattern of a Design Matrix Drives Multiple Descent in Over-parameterized Regression
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
