Основні поняття
線形およびReLU回帰に対するMassartノイズ下での確率的勾配降下法の収束保証と効率性を提案する。
Анотація
新しいSGD-expアプローチは、Massartノイズ下での線形およびReLU回帰に対する収束保証を提供し、以前の方法よりも改善された収束速度を示しています。このアプローチは、過去のデータにアクセスできない完全なストリーミング設定で初めてほぼ線形の収束保証を提供します。これにより、高次元かつ大規模なデータセットに対応した堅牢な回帰手法が開発されました。
Статистика
50% Massart corruption rateまで真のパラメーターに対するSGD-expの新しいほぼ線形収束保証
対称無知汚染では任意の汚染率でSGD-expが耐えられることを示す分析結果
約1/2未満の任意の汚染確率に対してSGD-expが(ほぼ)線形収束保証を提供することを明らかにした分析結果
Цитати
"Robust regression aims to develop regression methods that provide a proper fit of the data, even in the presence of outliers."
"Our analysis is based on the drift analysis of a discrete stochastic process, which could also be interesting on its own."
"The proposed method SGD-exp provides (nearly) linear convergence guarantees for any corruption probability less than 0.5."
"Our approach provides the first nearly linear convergence guarantees for both linear regression and ReLU regression under the adversarial Massart noise model."