Sobolev space

新的高斯谱算法在欠拟合学习中达到最优速率

研究人员开发了固定带宽高斯核谱算法，即使在真实回归函数欠拟合的情况下，也能在非参数回归中达到最小最大最优收敛速率。由于高斯核的无限平滑性，这些算法对模型欠拟合表现出鲁棒性，允许任何谱算法在正则化参数呈指数衰减时达到最优速率。该工作还将这些算法扩展到概念漂移下的鲁棒和自适应迁移学习，推导出最优收敛速率（最多对数因子），并分析了概念漂移幅度和样本大小对泛化误差的影响。