热点事件持续更新
协变量缺失下低假设逻辑回归估计研究
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月7日，arXiv Statistics Machine Learning 发布论文《协变量缺失下的低假设逻辑回归》。论文针对协变量缺失且分布未知（但有界）的设定，提出逻辑回归参数估计方法，基于带新型单调算子的 Z 估计设计随机逼近算法。在协变量完全随机缺失假设下，该算法计算高效，能以参数速率实现可证明的信号恢复，其 ℓ2² 风险由缺失模式刻画，并支持异质观测概率。目前报道仅涉及该论文内容，未见后续验证或应用进展。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
arXiv 发布协变量缺失下低假设逻辑回归估计论文，提出基于新型单调算子 Z 估计的随机逼近算法。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · Statistics Machine Learning协变量缺失下的低假设逻辑回归
论文提出一种协变量缺失且分布未知（但有界）设定下的逻辑回归参数估计方法，基于带新型单调算子的 Z 估计设计随机逼近算法。在协变量完全随机缺失假设下，该算法计算高效并以参数速率实现可证明的信号恢复，其 ℓ2² 风险由缺失模式刻画且支持异质观测概率。
本事件热度走势
当前热度 9·可比范围峰值 10（10月7日 12:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。