English(EN) Doubly robust nearest neighbors in factor models

新的“双重稳健最近邻”方法改进了潜在因子模型

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-18 04:00

一篇新论文介绍了一种改进的潜在因子模型缺失数据估计方法——“双重稳健最近邻”（DRNN）。与传统的最近邻方法相比，该方法在数据稀疏时能提供更一致的估计。当行和列邻居都可用时，DRNN在准确性和更窄的置信区间方面提供了显著的改进，并且即使只有一种类型的邻居存在，也能提供一致的估计。 AI

影响引入了一种处理因子模型中缺失数据的新颖统计技术，有可能提高机器学习模型的性能。

排序理由详细介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

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

报道来源 [1]

arXiv stat.ML TIER_1 English(EN) · Raaz Dwivedi, Sabina Tomkins, Predrag Klasnja, Susan Murphy, Devavrat Shah · 2026-08-18 04:00

因子模型中的双重稳健最近邻

arXiv:2211.14297v4 Announce Type: replace Abstract: We introduce and analyze an improved variant of nearest neighbors (NN) for estimation with missing data in latent factor models. We consider a matrix completion problem with missing data, where the $(i, t)$-th entry, when observ…