通过测试的选择非参数回归
原文中文,约300字,阅读约需1分钟。发表于: 。针对误差关键的机器学习应用中存在的可能放弃预测(或选择性预测)的问题,本研究在非参数异方差回归问题上提出了一种通过对给定点上的条件方差值进行假设检验的放弃过程。与已有方法不同,提出的方法不仅考虑方差本身的值,还考虑相应方差预测器的不确定性。我们对得出的估计器的风险证明了非渐进界限,并展示了多个不同的收敛模式。理论分析通过一系列的模拟和真实世界数据实验进行了说明。
本研究提出了一种解决机器学习中误差关键问题的方案,通过对条件方差值进行假设检验的放弃过程来解决非参数异方差回归问题。该方法考虑方差本身的值和相应方差预测器的不确定性,证明了该估计器的风险,并展示了多个不同的收敛模式。