U-Statistic Reduction: Higher-Order Accurate Risk Control and Statistical-Computational Trade-Off
U 统计量缩减：高阶精确风险控制与统计计算权衡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：摘要讨论通用 U 统计量推断和计算缩减，没有明确对应所列微观、宏观或金融领域细分。
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
U 统计量缩减：高阶精确风险控制与统计计算权衡
- 研究问题
- 用不完全 U 统计量降低计算成本时，如何保证推断中的风险控制精度，并刻画这种精度与计算速度之间的关系？
- 方法与思路
- 作者为不完全 U 统计量建立高阶精确的风险控制推断程序，并提出统一框架，将不同缩减设计的分析转化为计算。
- 材料陈述的贡献
- 摘要称首次给出此类高阶风险控制程序，揭示风险控制精度与速度之间的权衡，并以数值研究检验理论的精确性。
- 阅读关注点
- 应核对风险的具体定义、高阶精确性的衡量方式、允许的缩减设计，以及精度和计算成本之间权衡成立的条件。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；高阶展开、误差阶及适用条件未说明，首次贡献的定位亦未独立核验。
原文摘要
U-statistics play central roles in many statistical learning tools but face the haunting issue of scalability. Despite extensive research on accelerating computation by U-statistic reduction, existing results almost exclusively focused on power analysis. Little work addresses risk control accuracy, which requires distinct and much more challenging techniques. In this paper, we establish the first statistical inference procedure with provably higher-order accurate risk control for incomplete U-statistics. The sharpness of our new result enables us to reveal how risk control accuracy also trades off with speed, for the first time in literature, which complements the well-known variance-speed trade-off. Our general framework converts the challenging and case-by-case analysis for many different designs into a surprisingly principled and routine computation. We conducted comprehensive numerical studies and observed results that validate our theory’s sharpness. Our method also demonstrates effectiveness on real-world data applications.