稀疏模型下尺度不变最优子采样，预测误差直降，效率翻倍！
Scale-invariant Optimal Sampling for Rare-events Data with Sparse Models
📖 AI 总结
该研究针对稀有事件大规模数据中的子采样问题，提出了一种尺度不变的最优子采样方法。现有最优子采样概率依赖于数据尺度，不恰当的缩放变换可能降低采样效率，尤其在存在非活跃特征时问题更为突出。作者在稀疏模型框架下，以预测误差最小化为目标定义最优子采样函数，并采用自适应lasso作为估计方法。研究首先建立了稀有事件数据下自适应lasso估计量的oracle性质，验证了子采样的有效性；随后推导出尺度不变的最优子采样函数，使逆概率加权自适应lasso的预测误差最小化；最后提出基于最大采样条件似然的估计量以进一步提升效率。模拟和真实数据实验均验证了所提方法的性能优势。
🔑 关键词速览
| Subsampling | 子采样，从大规模数据集中选取一部分样本以降低计算成本的方法。 |
| Scale-invariant | 尺度不变，指方法或函数不受数据尺度变换影响的性质。 |
| Adaptive Lasso | 自适应Lasso，一种加权L1正则化方法，用于变量选择和参数估计。 |
| Oracle properties | 预言性质，指估计器在理论上具有与已知真实模型相同的渐近性质。 |
| Inverse probability weighted (IPW) | 逆概率加权，一种用于处理非随机样本的统计技术，通过权重调整样本代表性。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅