体积采样岭回归的精确校准与风险几何

2026年10月7日，arXiv Statistics Machine Learning 发布一手研究《体积采样岭回归的精确校准与尖锐风险几何》。该研究针对固定设计中恰好取自 s 个不同行的岭回归问题，设定响应固定、仅子集随机，并让行列式律与选中岭拟合共享同一正定惩罚。通过均值恒等式与指数族对偶，研究给出唯一惩罚，使期望匹配 prescribed full-data ridge fit，且该匹配当且仅当 s 超过目标有效维数时存在。此外，对平衡符号坐标副本，严格扇形不等式在从维数到行数减一的每个预算下给出尖锐风险与全部最大化响应。目前未见更早或相互矛盾的报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。