A new perspective on least squares under convex constraint
凸约束最小二乘的新视角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。
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：摘要属于一般高斯凸约束估计理论，列举高维回归等应用不足以对应给定经济计量细分方向。
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
凸约束最小二乘的新视角
- 研究问题
- 当高斯随机向量的均值被限制在给定凸集中时，投影型最小二乘估计的误差、可容许性和极小极大速率表现如何？
- 方法与思路
- 作者将观测向量投影到凸集，把误差主项联系到高斯过程的期望最大值，并分析普遍常数意义下的可容许性及反例。
- 材料陈述的贡献
- 摘要称给出误差主项的精确计算、普遍常数意义下的可容许性定理，以及最小二乘不总具极小极大速率最优性的反例。
- 阅读关注点
- 应核对误差主项与完整风险的关系、常数意义下可容许性的定义、反例的凸集结构，以及两个应用示例的计算条件。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明。摘要未给出定理条件或反例细节；常数意义下的可容许性不能直接等同于通常的可容许性。
原文摘要
Consider the problem of estimating the mean of a Gaussian random vector when the mean vector is assumed to be in a given convex set. The most natural solution is to take the Euclidean projection of the data vector on to this convex set; in other words, performing “least squares under a convex constraint.” Many problems in modern statistics and statistical signal processing theory are special cases of this general situation. Examples include the lasso and other high-dimensional regression techniques, function estimation problems, matrix estimation and completion, shape-restricted regression, constrained denoising, linear inverse problems, etc. This paper presents three general results about this problem, namely, (a) an exact computation of the main term in the estimation error by relating it to expected maxima of Gaussian processes (existing results only give upper bounds), (b) a theorem showing that the least squares estimator is always admissible up to a universal constant in any problem of the above kind and (c) a counterexample showing that least squares estimator may not always be minimax rate-optimal. The result from part (a) is then used to compute the error of the least squares estimator in two examples of contemporary interest.