Benign Overfitting in Time Series Linear Models with Over-Parameterization
过参数化时间序列线性模型中的良性过拟合AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究具有时间依赖的线性回归、时间协方差结构与非渐近预测风险。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
过参数化时间序列线性模型中的良性过拟合
- 研究问题
- 当线性模型的参数数量超过样本规模且观测存在时间依赖时，插值估计量的超额风险如何变化，何种协方差结构影响其收敛？
- 方法与思路
- 作者分析依赖时间序列中的过参数化线性回归与插值估计，建立非渐近风险界及收敛速率，并提供适用的依赖过程示例。
- 材料陈述的贡献
- 摘要称，时间协方差的相干性是风险与收敛速率的关键因素，风险界涉及不同时间步协方差矩阵的乘积，从而扩展独立样本分析。
- 阅读关注点
- 应核对插值估计量的定义、时间协方差相干性的度量、维度与样本量关系，以及风险趋于零所需的依赖和谱条件。
- 阅读边界
- 这是预印本，不能据此声称已同行评审或期刊接收。摘要未给出风险界或良性过拟合的具体条件，不能推断所有依赖过程均适用。
原文摘要
The success of large-scale models in recent years has increased the importance of statistical models with numerous parameters. Several studies have analyzed over-parameterized linear models with high-dimensional data, which may not be sparse; however, existing results rely on the assumption of sample independence. In this study, we analyze a linear regression model with dependent time-series data in an over-parameterized setting. We consider an estimator using interpolation and develop a theory for the excess risk of the estimator. Then, we derive non-asymptotic risk bounds for the estimator for cases with dependent data. This analysis reveals that the coherence of the temporal covariance plays a key role; the risk bound is influenced by the product of temporal covariance matrices at different time steps. Moreover, we show the convergence rate of the risk bound and demonstrate that it is also influenced by the coherence of the temporal covariance. Finally, we provide several examples of specific dependent processes applicable to our setting.