跳到正文

论文检索

全库检索
收录说明
收录范围
保留计量方法研究、相关统计基础，以及实质涉及计量方法的应用、教程、比较和综述。书评、刊务及明确无关内容不公开；身份或相关性证据不足的记录保留待核，补充可靠材料后可重新判断。
当前期刊来源见下方官网链接及期刊目录。综合经济学与金融期刊逐篇筛查计量方向，证据不足时暂不公开。正刊、在线优先论文和已核实接收稿合并展示；按标题、可靠摘要、目录及身份匹配的出版社 JEL 分类核验相关性；计量类 JEL 与摘要相互印证，无 JEL 不直接排除。历史回补以可取得的注册题录和目录为准，不等于覆盖全部纸本。
日期与排序
默认按最近发表排序：正刊使用刊期，待刊使用上线日期；缺少上线日期时，排序参考登记或首次收录时间，并在卡片注明。更多筛选可选择出版状态和日期口径；卷期依据出版社元数据，不因待刊时间较长而推定已编入正刊。仅有月份或年份时，日期区间相交也会纳入。

日期精度：到日 1 篇 · 到月 0 篇 · 到年 0 篇

分类与引用
领域和方法依据题名、摘要初步分类，可人工修正；分类不代表论文质量。引用数采用 OpenAlex 单条关联记录，不合计版本。
更新与 AI 解读
正常题录、可靠摘要与引用同步继续；日、周、月简报按核实的发表与修订日期汇总，历史补录保留在文献库。AI 解读依据可靠摘要或已核实原文片段，已有解读保留供阅读参考；缺少可靠材料的条目保持待解读，浏览页面不会触发生成。

最近同步 10/16 02:50

1 篇论文
导出
BibTeX ↓RIS ↓RSS 订阅 ↗

A new perspective on boosting in linear regression via subgradient optimization and relatives

Robert M. Freund · Paul Grigas · Rahul Mazumder刊期 2017-12-01 · 卷 45（6）The Annals of Statistics已编入正刊

从次梯度优化及相关方法重新理解线性回归中的提升算法AI 解读

We analyze boosting algorithms [Ann. Statist. 29 (2001) 1189–1232; Ann. Statist. 28 (2000) 337–407; Ann. Statist. 32 (2004) 407–499] in linear regression from a new perspective: that of modern first-order methods in convex optimization. We show that classic boosting algorithms in linear regression, namely the incremental forward stagewise algorithm ($\\text{FS}_{\\varepsilon}$) and least squares boosting [LS-BOOST$(\\varepsilon)$], can be viewed as subgradient descent to…

机器学习与 DML正则化与变量选择
被引 33 次 ↗OpenAlex · 核验
AI 解读阅读原文 ↗BibTeX ↓