本文深入研究了高维无脊最小二乘估计器的统计行为，考察了预测风险如何受到样本量和特征维度增长的影响。它引入了一个广义的尖峰总体协方差模型，以分析潜在因素及其特征值对过拟合的影响。研究强调，回归系数与协方差矩阵的特征空间之间的对齐对于确定插值是导致良性、温和还是灾难性过拟合至关重要，并在最小矩条件下建立了精确的预测风险极限。 AI
影响 为理解过参数化模型中的泛化提供了理论框架，这对于开发更鲁棒的AI系统具有重要意义。
排序理由 学术论文发表在arXiv上，详细介绍了统计理论。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- High-dimensional ridgeless least squares interpolation under spiked covariance structures
- Hugging Face
- Statistics Theory
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
