本文深入探讨了在统计模型中的平方误差估计问题，其中一个 nuisance 参数无法完全识别，但会影响一个目标参数，而该目标参数在该特定上下文中可忽略不计。研究提供了在何种条件下，沿着关键路径计算的 minimax 风险能够准确反映具有高阶剖面展开的模型在整个参数空间上的渐近 minimax 风险。提出了一种估计器，该估计器即使在不知道剖面坐标的情况下，也能通过利用校准估计、局部特征均值和经验恢复特征，在全局上实现这一领先常数。本文在两个不同的模型中验证了这些条件：一个高斯逻辑变量误差回归模型和一个度平衡复制网络模型，并确定了每个模型的特定风险系数和常数。 AI
影响 这项研究可能导致更鲁棒的统计建模技术，这些技术可应用于机器学习领域。
排序理由 该条目是一篇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 →
