Fugu-MT 論文翻訳(概要): Robust and Sparse Estimation of Linear Regression Coefficients with Heavy-tailed Noises and Covariates

論文の概要: Robust and Sparse Estimation of Linear Regression Coefficients with Heavy-tailed Noises and Covariates

arxiv url: http://arxiv.org/abs/2206.07594v1
Date: Wed, 15 Jun 2022 15:23:24 GMT
ステータス: 処理完了
システム内更新日: 2022-06-16 12:39:35.953603
Title: Robust and Sparse Estimation of Linear Regression Coefficients with Heavy-tailed Noises and Covariates
Title（参考訳）: 重み付き雑音と共変量を持つ線形回帰係数のロバストかつスパース推定
Authors: Takeyuki Sasai
Abstract要約: 我々の推定器は効率的に計算でき、さらに推定誤差は鋭い。本稿では, 重み付き分布から共変数とノイズを抽出し, 悪質な外乱によって共変数とノイズが汚染されることを論じる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Robust and sparse estimation of linear regression coefficients is investigated. The situation addressed by the present paper is that covariates and noises are sampled from heavy-tailed distributions, and the covariates and noises are contaminated by malicious outliers. Our estimator can be computed efficiently. Further, our estimation error bound is sharp.
Abstract（参考訳）: 線形回帰係数のロバストおよびスパース推定について検討した。本報告では, 重み付き分布から共変量およびノイズを採取し, 悪質な外れ値によって共変量およびノイズを汚染する状況について述べる。我々の推定器は効率的に計算できる。さらに,推定誤差の上限はシャープである。

関連論文リスト

Risk and cross validation in ridge regression with correlated samples [72.59731158970894]
我々は,データポイントが任意の相関関係を持つ場合,リッジ回帰のイン・オブ・サンプルリスクのトレーニング例を提供する。さらに、テストポイントがトレーニングセットと非自明な相関を持ち、時系列予測で頻繁に発生するような場合まで分析を拡張します。我々は多種多様な高次元データにまたがって理論を検証する。
論文参考訳（メタデータ） (2024-08-08T17:27:29Z)
Sparse Linear Regression when Noises and Covariates are Heavy-Tailed and Contaminated by Outliers [2.0257616108612373]
本研究では,線形回帰係数を空間的仮定で推定する問題について検討する。重尾分布から共変量やノイズを採取するだけでなく, オフレーヤによって汚染される状況も考慮する。我々の推定器は効率的に計算でき、鋭い誤差境界を示すことができる。
論文参考訳（メタデータ） (2024-08-02T15:33:04Z)
Optimal convex $M$-estimation via score matching [6.115859302936817]
実験的リスク最小化が回帰係数の下流推定における最適分散をもたらすデータ駆動凸損失関数を構築した。半パラメトリック手法は、雑音分布の対数密度の導関数の導関数の最も少ない近似を目標とする。
論文参考訳（メタデータ） (2024-03-25T12:23:19Z)
Outlier Robust and Sparse Estimation of Linear Regression Coefficients [2.0257616108612373]
線形回帰係数のアウトリー・ロバストとスパース推定について考察する。本研究は,本研究と類似の関心を共有できる先行研究よりも,仮説の弱い誤差境界を示す。
論文参考訳（メタデータ） (2022-08-24T14:56:52Z)
Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
論文参考訳（メタデータ） (2021-08-25T21:30:27Z)
Adversarial robust weighted Huber regression [2.0257616108612373]
線形回帰係数のロバストな推定を考察する。安定な階数と共分散行列の条件数に依存する推定誤差境界を導出する。
論文参考訳（メタデータ） (2021-02-22T15:50:34Z)
Robust regression with covariate filtering: Heavy tails and adversarial contamination [6.939768185086755]
より強い汚染モデルにおいて,ハマー回帰,最小トリミング正方形,最小絶対偏差推定器を同時に計算および統計的に効率的に推定する方法を示す。この設定では、ハマー回帰推定器がほぼ最適誤差率を達成するのに対し、最小のトリミング正方形と最小の絶対偏差推定器は、後処理ステップを適用した後、ほぼ最適誤差を達成することができる。
論文参考訳（メタデータ） (2020-09-27T22:48:48Z)
Outlier Robust Mean Estimation with Subgaussian Rates via Stability [46.03021473600576]
本研究では,ロバストなアウトリール高次元平均推定問題について検討する。外乱平均推定のために, ガウス平均を用いた第1次計算効率を得る。
論文参考訳（メタデータ） (2020-07-30T17:33:03Z)
$\gamma$-ABC: Outlier-Robust Approximate Bayesian Computation Based on a Robust Divergence Estimator [95.71091446753414]
最寄りの$gamma$-divergence推定器をデータ差分尺度として用いることを提案する。本手法は既存の不一致対策よりも高いロバスト性を実現する。
論文参考訳（メタデータ） (2020-06-13T06:09:27Z)
Minimax Optimal Estimation of KL Divergence for Continuous Distributions [56.29748742084386]
Kullback-Leibler の同一および独立に分布するサンプルからの発散は、様々な領域において重要な問題である。単純で効果的な推定器の1つは、これらのサンプル間の近辺 k に基づいている。
論文参考訳（メタデータ） (2020-02-26T16:37:37Z)
Estimating Gradients for Discrete Random Variables by Sampling without Replacement [93.09326095997336]
我々は、置換のないサンプリングに基づいて、離散確率変数に対する期待値の偏りのない推定器を導出する。推定器は3つの異なる推定器のラオ・ブラックウェル化として導出可能であることを示す。
論文参考訳（メタデータ） (2020-02-14T14:15:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。