.png){kind=icon}
返回
Benign overfitting in time-series linear models with over-parameterization
.png){kind=icon}
PRE
AI
DOI：10.3150/25-BEJ1877.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来大规模模型的成功增加了具有大量参数的统计模型的重要性。已有研究分析了在高维数据下可能非稀疏的超参数化线性模型，但这些结果依赖于样本独立性的假设。本研究在超参数化设定下分析了具有依赖时间序列数据的线性回归模型。我们考虑了一种基于插值的估计量，并为其超额风险开发了理论。然后，我们推导了依赖数据情况下估计量的非渐近风险界。该分析表明，时序协方差的一致性起着关键作用；风险界受到不同时间步长下时序协方差矩阵乘积的影响。此外，我们展示了风险界的收敛速率，并证明其同样受到时序协方差一致性的影响。最后，我们提供了适用于本设置的具体依赖过程示例。
Keyword:
Benign overfitting
dependent data
linear model
over-parameterization
time series
期刊
B
IF:
1.7
论文数:
106
被引数:
0
机构
引用论文
HIGH-DIMENSIONAL ASYMPTOTICS OF PREDICTION: RIDGE REGRESSION AND CLASSIFICATION.png)
ANNALS OF STATISTICS
OAAI
ANNALS OF STATISTICSIF3.7
OAAI分享收藏分享收藏分享收藏
查看更多内容