Skip to content
Hot eventLive

稀疏支持向量机的高维统计推断框架

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026年10月7日，arXiv Statistics Machine Learning（一手）报道，研究者提出一种针对稀疏支持向量机（SVM）的高维统计推断框架。该工作在样本量与特征数按比例增长的渐近区间内，将L1-惩罚SVM表示为线性规划，并利用对偶变量识别hinge损失次梯度，构造出计算可行的去偏估计量，其坐标渐近服从高斯分布。基于该框架，可为单个特征提供置信区间与假设检验，并支持错误发现率控制的变量选择。研究还在强相关设计下完成仿真校准与功效分析，并将方法应用于高维乳腺癌基因表达数据。目前未见与其他报道相矛盾的信息。

Generated from reports · updated 3 hr ago

LatestOct 7
研究者提出稀疏SVM高维推断框架，构造去偏估计量并用于置信区间、检验与变量选择。

Timeline

Follow the coverage from different angles.

Oct 7, 2026
  1. arXiv · Statistics Machine Learning
    稀疏支持向量机的高维统计推断

    研究者提出一种针对稀疏支持向量机（SVM）的高维统计推断框架，在样本量与特征数按比例增长的渐近区间内，通过将 L1-惩罚 SVM 表示为线性规划并利用对偶变量识别 hinge 损失次梯度，构造出计算可行的去偏估计量，其坐标渐近服从高斯分布。该框架可为单个特征提供置信区间与假设检验，并支持错误发现率控制的变量选择，在强相关设计下完成仿真校准与功效分析，并应用于高维乳腺癌基因表达数据。

Heat trend

There is not enough continuous observation data to draw a trend yet.