Adaptively-weighted Nearest Neighbors for Matrix Completion
用于矩阵补全的自适应加权最近邻方法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：摘要主体是通用矩阵补全，面板反事实仅作为最近邻方法的背景用途，直接领域依据不足。
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…
用于矩阵补全的自适应加权最近邻方法
- 研究问题
- 矩阵补全使用最近邻方法时，如何系统选择邻域半径和邻居权重，减少对交叉验证的依赖并平衡偏差与方差？
- 方法与思路
- 作者提出自适应加权最近邻方法 AWNN，通过权衡加权最近邻回归的偏差与方差确定选择策略，并以合成实验检验理论表现。
- 材料陈述的贡献
- 摘要称该方法针对最近邻半径及权重缺乏系统选择的问题给出方案，在所称较弱假设下提供理论保证，并报告合成实验支持。
- 阅读关注点
- 应核对自适应权重和半径的计算、缺失机制与矩阵结构假设，以及理论保证的误差指标、计算成本和实验基准。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收状态未核实。摘要未列出所谓最低限度假设，也未展示真实面板反事实应用或识别保证。
原文摘要
In this technical note, we introduce and analyze AWNN: an adaptively weighted nearest neighbor method for performing matrix completion. Nearest neighbor (NN) methods are widely used in missing data problems across multiple disciplines such as in recommender systems and for performing counterfactual inference in panel data settings. Prior works have shown that in addition to being very intuitive and easy to implement, NN methods enjoy nice theoretical guarantees. However, the performance of majority of the NN methods rely on the appropriate choice of the radii and the weights assigned to each member in the nearest neighbor set and despite several works on nearest neighbor methods in the past two decades, there does not exist a systematic approach of choosing the radii and the weights without relying on methods like cross-validation. AWNN addresses this challenge by judiciously balancing the bias variance trade off inherent in weighted nearest-neighbor regression. We provide theoretical guarantees for the proposed method under minimal assumptions and support the theory via synthetic experiments.