본 연구는 메타 학습 문제에서 일반화된 릿지 회귀 예측기의 성능을 분석합니다. 구체적으로:
새로운 테스트 과제에 대한 예측 위험의 고차원 점근적 행동을 특성화합니다. 이를 위해 랜덤 행렬 이론 도구를 활용하여 예측 위험의 명시적 표현을 도출합니다.
이 예측 위험이 회귀 계수의 공분산 행렬을 역행렬로 선택할 때 최적이 됨을 보입니다. 이는 메타 학습 문제에서 공분산 행렬 추정의 중요성을 강조합니다.
훈련 과제 데이터를 활용하여 회귀 계수의 역공분산 행렬을 효율적으로 추정하는 방법을 제안하고 분석합니다. 이 추정량은 지구 측지학적 볼록 최적화 문제의 해로 계산될 수 있습니다.
전반적으로, 본 연구는 메타 학습 문제에서 일반화된 릿지 회귀의 이론적 성능을 깊이 있게 분석하고, 공분산 행렬 추정을 통해 새로운 과제에 대한 예측 성능을 향상시킬 수 있음을 보여줍니다.
To Another Language
from source content
arxiv.org
Дополнительные вопросы