研究人员开发了一个新的充分降维（SDR）框架，该框架利用了广义Stein引理。该方法旨在识别能够完全表示响应变量的预测变量的最小子空间，即中心子空间（CS）。所提出的方法通过构建多元响应与预测变量的边际得分函数之间的交叉矩矩阵，并通过奇异值分解来恢复CS。它克服了现有方法的局限性，无需线性假设，避免了矩阵求逆和迭代平滑，并且能够利用未标记数据。 AI
影响 这项研究可以提高机器学习模型的效率和准确性，尤其是在数据有限或噪声水平较高的场景中。
排序理由 关于统计机器学习方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
