未知截断的高效统计，超越高斯的多项式时间算法
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了在未知集合 $S$ 中的样本情况下，如何有效估计分布参数的问题。我们提出了一种新的算法，能够在多项式时间内估计任意高斯分布和线性回归的参数，尤其在样本被截断的情况下。研究的结果不仅解决了高斯分布的参数估计问题，还为多种经验族提供了处理方法，具有重要的应用潜力。
本文介绍了一种新的损失函数和高效估计器，在温和条件下具有一致性和渐近正态性。通过重新参数化最大似然估计，最小化特定Bregman得分和代理似然，提供有限样本保证。参数估计误差为α，样本复杂度为O(poly(k)/α²)。在稀疏马尔可夫随机场中，优化样本复杂度为O(log(k)/α²)。数值实验验证了该估计器的性能。
