Precise analysis of ridge interpolators under heavy correlations -- a Random Duality Theory view
强相关结构下岭插值估计量的精确分析：随机对偶理论视角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。
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：摘要主要研究通用相关线性回归与预测风险，未提供足以归入所列经济或金融细分方向的应用证据。
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
强相关结构下岭插值估计量的精确分析：随机对偶理论视角
- 研究问题
- 在线性回归的行、列均存在相关性时，最小范数插值、最小二乘和岭回归的预测风险如何随维度比例及协方差结构变化？
- 方法与思路
- 作者使用随机对偶理论分析具有行列相关结构的线性回归，对多种估计量的优化相关量及预测风险给出精确闭式刻画。
- 材料陈述的贡献
- 摘要称，结果揭示预测风险的双下降行为及其对模型参数的依赖，并在不存在样本间相关性的特例下与既有谱方法结果一致。
- 阅读关注点
- 应核对闭式结果对应的概率模型、维度渐近框架和协方差限制，并检查双下降结论与无样本间相关特例的适用范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明完整技术条件，也不能据此认定结果对任意相关结构均成立。
原文摘要
We consider fully row/column-correlated linear regression models and study several classical estimators (including minimum norm interpolators (GLS), ordinary least squares (LS), and ridge regressors). We show that \emph{Random Duality Theory} (RDT) can be utilized to obtain precise closed form characterizations of all estimators related optimizing quantities of interest, including the \emph{prediction risk} (testing or generalization error). On a qualitative level out results recover the risk's well known non-monotonic (so-called double-descent) behavior as the number of features/sample size ratio increases. On a quantitative level, our closed form results show how the risk explicitly depends on all key model parameters, including the problem dimensions and covariance matrices. Moreover, a special case of our results, obtained when intra-sample (or time-series) correlations are not present, precisely match the corresponding ones obtained via spectral methods in [6,16,17,24].