- Неравенства концентраций для перекрестной проверки с исключением одного (arXiv)
Автор: Бенни Авелин, Лаури Вийтасаари.
Аннотация: В этой статье мы доказываем, что стабильности оценщика достаточно, чтобы показать, что перекрестная проверка с исключением по одному является надежной процедурой, путем предоставления границ концентрации в общей структуре. В частности, мы предоставляем границы концентрации за пределами допущений о непрерывности Липшица для потерь или для оценки. Чтобы получить наши результаты, мы полагаемся на случайные величины с распределением, удовлетворяющим логарифмическому неравенству Соболева, что дает нам относительно богатый класс распределений. Мы проиллюстрируем наш метод, рассмотрев несколько интересных примеров, включая линейную регрессию, оценку плотности ядра и стабилизированные/усеченные оценки, такие как регрессия со стабилизированным ядром.
2. Перекрёстная проверка с выходом из группы для скрытых гауссовых моделей (arXiv)
Автор: Чжэдун Лю, Хаавард Рю.
Аннотация: оценка эффективности прогнозирования необходима после подгонки модели, а перекрестная проверка с исключением одного является стандартным методом. Однако часто это неинформативно для структурированной модели с множеством возможных задач прогнозирования. В качестве решения перекрестная проверка исключенных групп является расширением, в котором исключенные группы адаптируются к различным задачам прогнозирования. В этой статье мы предлагаем процедуру автоматического построения группы для перекрестной проверки исключения группы для оценки эффективности прогнозирования, когда задача прогнозирования не указана. Мы также предлагаем эффективную аппроксимацию перекрестной проверки с исключением группы для скрытых гауссовских моделей. Обе процедуры реализуем в программе Р-ИНЛА
