arXiv · ML· Tobias Brock, Thomas Nagler·· 2026-10-12AI 评分26
非平稳加权风险最小化方法在分布漂移下的快速收敛速率
Fast Rates for Nonstationary Weighted Risk Minimization
AI 导读
该研究提出了非平稳场景下加权经验风险最小化的样本外预测误差分解框架,将超额风险拆分为学习项和分布漂移项,并在混合条件下证明了学习误差的预言不等式。 学习界均匀适用于任意权重类,且结合了权重向量诱导的有效样本量、权重与假设类的复杂度。漂移分析聚焦于平方损失设定,针对结构断点和平滑漂移过程提供了显式界,最优权重表现为学习项与漂移项之间的偏差-方差权衡。
来源:arXiv · ML · arxiv.org