BriefGPT - AI 论文速递 · 2023-09-28T00:00:00Z 高维重尾数据下的健壮回归：渐近性和普适性 💡 原文中文，约500字，阅读约需2分钟。 📝 内容提要 该研究探讨了存在重尾污染的高维情况下，强鲁棒回归估计器的特性。研究发现，需要进一步正则化以达到最佳性能。此外，研究还导出了岭回归的超额风险的衰减速率。公式可以方便地推广到更丰富的模型和数据分布。 🏷️ 标签 岭回归 强鲁棒回归 正则化 超额风险 重尾污染 阅读原文 生成长图 分享链接 已复制链接
