Asymptotic risk and phase transition of $l_{1}$-penalized robust estimator
ℓ₁惩罚稳健估计量的渐近风险与相变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：摘要研究通用高维稳健回归与稀疏恢复，没有明确对应所列经济计量细分方向。
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
ℓ₁惩罚稳健估计量的渐近风险与相变
- 研究问题
- 在样本量与维度同步增长且比例趋于常数时，ℓ₁惩罚的最小绝对偏差与Huber回归具有怎样的渐近均方误差和稀疏恢复相变？
- 方法与思路
- 作者分析广义近似消息传递算法，将其渐近均方误差与相应稳健估计量联系起来，推导相变边界，并开展有限规模数值实验。
- 材料陈述的贡献
- 摘要称，两类稳健估计量出现尖锐相变，其边界与LASSO及Donoho–Tanner稀疏恢复相变曲线相同，模拟与理论预测较吻合。
- 阅读关注点
- 应核对设计矩阵与噪声条件、惩罚及Huber调参规则，以及算法和优化估计量之间的对应关系与相变边界的适用范围。
- 阅读边界
- 所据为版本未注明的OpenAlex索引摘要；完整理论条件和有限样本误差未说明，相变边界相同不代表各种损失下表现相同。
原文摘要
Mean square error (MSE) of the estimator can be used to evaluate the performance of a regression model. In this paper, we derive the asymptotic MSE of $l_{1}$-penalized robust estimators in the limit of both sample size $n$ and dimension $p$ going to infinity with fixed ratio $n/p\rightarrow \delta $. We focus on the $l_{1}$-penalized least absolute deviation and $l_{1}$-penalized Huber’s regressions. Our analytic study shows the appearance of a sharp phase transition in the two-dimensional sparsity-undersampling phase space. We derive the explicit formula of the phase boundary. Remarkably, the phase boundary is identical to the phase transition curve of LASSO which is also identical to the previously known Donoho–Tanner phase transition for sparse recovery. Our derivation is based on the asymptotic analysis of the generalized approximation passing (GAMP) algorithm. We establish the asymptotic MSE of the $l_{1}$-penalized robust estimator by connecting it to the asymptotic MSE of the corresponding GAMP estimator. Our results provide some theoretical insight into the high-dimensional regression methods. Extensive computational experiments have been conducted to validate the correctness of our analytic results. We obtain fairly good agreement between theoretical prediction and numerical simulations on finite-size systems.