大規模サンプルリッジ回帰のための最適サブサンプリング【JST・京大機械翻訳】

Chen Yunlu; Zhang Nan

プレプリント

J-GLOBAL ID：202202200747726802 整理番号：22P0329198

大規模サンプルリッジ回帰のための最適サブサンプリング【JST・京大機械翻訳】

Optimal Subsampling for Large Sample Ridge Regression

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年04月10日プレプリントサーバーでの情報更新日： 2022年04月10日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

サブサンプリングは,大規模データセットを解析するための計算負荷を軽減するための一般的な手法である。最近の努力は,明示的な正則化のない様々な統計モデルに devotedげられた。本論文では,大きなサンプル線形リッジ回帰のための効率的なサブサンプリング手順を開発した。通常の最小二乗推定量とは対照的に,リッジペナルティの導入はバイアスと分散の間の微妙なトレードオフをもたらす。最初に,サブサンプリング推定量の漸近特性を調べ,次に,最適性のための漸近平均2乗誤差基準を最小化することを提案した。得られたサブサンプリング確率は,予測器のリッジレバレッジスコアとL2ノルムの両方を含む。リッジレバレッジスコアを計算するための計算コストをさらに低減するために,効率的な近似によるアルゴリズムを提案した。著者らは,このアルゴリズムが,既存のサブサンプリングベースの方法と比較して,統計的に正確で計算的に効率的であることを示した。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

信号理論

, , ,

前のページに戻る