.png){kind=icon}
返回
SCALABLE INFERENCE IN FUNCTIONAL LINEAR REGRESSION WITH STREAMING DATA
.png){kind=icon}
PRE
AI
DOI：10.1214/25-AOS2549.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统静态功能数据分析由于流数据（数据不断流入）而面临新的挑战，其中一大挑战是几乎不可能在内存中存储如此不断增长的数据量。此外，在线学习中的现有推断工具主要针对有限维问题开发，而功能数据的推断方法则专注于离线设置。本文专注于标量响应和功能协变量的功能线性回归的在线估计。为解决此设置中的问题，我们开发了一种功能随机梯度下降算法，并提出了一种在线自助重采样程序，使我们能够对功能线性回归中的斜率函数进行局部（和全局）推断。特别地，所提出的估计和推断程序仅需对数据遍历一次；因此它们易于实现，并适用于数据以流方式到达的情况。此外，我们建立了所提出的斜率函数估计量的收敛速率和渐近分布。来自自助程序的被扰动估计量显示出相同的理论性质，这为我们的在线推断工具提供了理论依据。据我们所知，这是关于流数据功能线性回归推断的第一个结果。进行了数值研究以展示我们提出程序的有限样本性能。
Keyword:
Online learning
reproducing kernel Hilbert space
functional data
bootstrap
stochastic gradient descent
期刊
IF:
3.7
论文数:
2.8K
被引数:
2.9W
机构
引用论文
STATISTICAL INFERENCE FOR MODEL PARAMETERS IN STOCHASTIC GRADIENT DESCENT随机梯度下降中模型参数的统计推断.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