English(EN) Exact Risk Ratios for Weighted Data Selection in Linear Regression

研究人员解决了线性回归中加权数据选择的开放性问题

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-31 04:00

研究人员 Hanneke、Moran、Shlimovich 和 Yehudayoff 在 $d < n < 2d$ 的开放区域内，确定了线性回归中加权数据选择的精确风险比。他们证明了 $F_w(d, 2d-1) = 1 + 1/d$，证实了之前的说法，并找到了 $F_w(3,4) = 5/3$ 和 $F_w(4,5) = 2$ 的精确值。该研究为 $F_w(d, d+k) less 1 + ext{HarmonicQuantity}(d,k)$ 提供了下界，并推测该下界是具有白化梯度系统中电路-块结构的最小二乘数据集的极小极大值。证明利用了几何论证，包括刚性定理和正基的分类。 AI

影响为线性回归中的数据选择提供了理论进展，可能影响未来的算法开发。

排序理由学术论文，详细介绍了数学证明和机器学习中开放性问题的解决方案。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

本文如何被排名

Signal score: 14 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了数学证明和机器学习中开放性问题的解决方案。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Guangjian Zhang · 2026-08-31 04:00

线性回归中加权数据选择的精确风险比率

arXiv:2608.28007v1 Announce Type: new Abstract: Hanneke, Moran, Shlimovich and Yehudayoff (COLT 2025) posed the following open problem. A selector sees a finite dataset $D \subseteq \mathbb{R}^d \times \mathbb{R}$, picks at most $n$ examples together with nonnegative weights, and…

本文如何被排名

报道来源 [1]

线性回归中加权数据选择的精确风险比率

相关实体

相关话题