sub-Gaussian data

新理论推进了具有不确定性量化的流式 PCA

研究人员开发了使用 Oja 算法的流式主成分分析 (PCA) 的新理论框架。该工作解决了关于次高斯数据下一般秩的收敛速率的开放性问题，并为子空间估计器提供了分布推理。新的收敛理论消除了先前的余项，在密集尾部尖峰协方差模型下实现了与 minimax 速率相匹配的尖锐速率。此外，还开发了一种新颖的在线乘数自举算法，并被证明在实践推理中是一致的，将高斯近似和自举推理技术扩展到非凸随机逼近。