Математика >Теория статистики [представлена 7 сентября 2026 года] Название: Оптимальные ставки для агрегирования аффинетических оценок View PDF HTML (экспериментальный) резюме: Агрегирование процедур оценки выявило важные виды применения в эконометрическом, статистическом и машинном обучении. Теория классического статистического агрегирования в основном сосредоточена на установлении formula_fure Agriculation, где потенциальные оценки либо детерминанты, либо изготовленные с использованием закрытой выборки независимо от той, которая используется для агрегирования. Когда потенциальные оценки и весовые коэффициенты агрегирования рассчитываются на основе одного набора данных без разбивки выборки, Bellec [emph {Ann. Статистик.}Тextbf {46} (2018), 30-59] установил оптимальную скорость для агрегирования аффиновых оценок. Однако помимо этого режима остаются в значительной степени нерешенными фундаментальные вопросы, касающиеся оптимальных ставок агрегирования и разработки правил агрегирования, обеспечивающих достижение этих ставок. В настоящем документе мы рассматриваем проблему агрегирования конечной подборки аффин-раторов, с тем чтобы научиться оптимально выпуклому сочетанию их. Эта система охватывает богатый класс оценок, широко используемых в статистике и машинном обучении, включая оценки наименьших квадратов, оценки хребтов ядер, случайные оценки параметров регрессии и многие другие. Мы установим мини-максимальную ставку для выпуклого агрегирования аффиновых оценок. В частности,…
Оптимальные темпы агрегирования аффиновых оценок
arXiv:2609.07166v1 Вид уведомления: новое резюме: Агрегирование процедур оценки выявило важные области применения в эконометрической сфере, статистике и машинном обучении. Теория классического статистического агрегирования в основном сосредоточена на установлении formula_fure Agriculation, где потенциальные оценки либо детерминанты, либо изготовленные с использованием закрытой выборки независимо от той, которая используется для агрегирования. Когда потенциальные оценки и весовые коэффициенты агрегирования рассчитываются на основе одного набора данных без разбивки выборки, Bellec [emph {Ann. Статистик.}Тextbf {46} (2018), 30-59] установил оптимальную скорость для агрегирования аффиновых оценок. Однако помимо этого режима остаются в значительной степени нерешенными фундаментальные вопросы, касающиеся оптимальных ставок агрегирования и разработки правил агрегирования, обеспечивающих достижение этих ставок. В настоящем документе мы рассматриваем проблему агрегирования конечной подборки аффин-раторов, с тем чтобы научиться оптимально выпуклому сочетанию их. Эта рамка
