RaDR随机特征分布回归方法提出

2026年10月20日，arXiv机器学习板块（cs.lg）上线一项新研究。研究者Yinsong Wang等人提出了名为RaDR及其变体A-RaDR的分布回归框架。该方法基于随机特征实现可扩展性，并建立了有限的样本分析理论。研究通过扰动分析，明确分离了分布级采样、有限包内采样以及随机特征近似三者对结果的影响。报告指出，在特定特征预算条件下，RaDR能够保持精确两阶段核分布回归额外风险上界的阶数，同时维持计算效率。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。