English(EN) Highly Adaptive Ridge

为表格数据引入高度自适应岭回归方法

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-27 04:00

提出了一种名为高度自适应岭（HAR）的新回归方法，该方法对具有平方可积分段导数的右连续函数实现了无量纲的 n^{-1/3} 收敛率。该方法特别适用于表格数据，并且计算效率高，通过具有特定数据自适应核的核岭回归来实现。研究还建立了 HAR 与索伯列夫空间中核岭回归之间的联系，并通过模拟和真实数据验证了该理论。 AI

影响引入了一种新颖的回归技术，有可能提高机器学习模型在表格数据上的性能。

排序理由介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 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: 27 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 介绍新统计方法的学术论文。[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 stat.ML TIER_1 English(EN) · Alejandro Schuler, Mingxun Wang, Alexander Hagemeister, Mark van der Laan · 2026-10-27 04:00

高度自适应山脊

arXiv:2410.02680v2 Announce Type: replace Abstract: In this paper we propose the Highly Adaptive Ridge (HAR): a regression method that achieves an $n^{-1/3}$ dimension-free $\mathscr L_2$ convergence rate (up to log factors) in the class of right-continuous functions with square-…

本文如何被排名

报道来源 [1]

高度自适应山脊

相关实体

相关话题