Statistical Query (SQ)

新的统计方法提供具有计算权衡的自适应置信集

研究人员开发了一种新的方法，用于构建多元高斯分布均值向量的自适应置信集，特别是在污染比例未知的Huber污染下。该方法量化了所有一维投影的不确定性，实现了信息论上最优的自适应置信集。然而，最优构造在计算上是不可行的，正如统计查询（SQ）下界所示，该下界揭示了在SQ框架内适应性的统计和计算障碍。提出了一种实用的、低阶矩匹配算法，该算法提供了接近最优的直径界限，并具有可行的样本量和时间复杂度。