该文探讨了基于经验风险惩罚的多核学习问题，主要关注稀疏情况下的超额风险建立。该方法综合考虑了经验L2范数和核引起的RKHS范数及其正则化参数的数据驱动选择的复杂度惩罚。

大维数情况下核回归的最优速率
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证