We characterize the full classes of M-estimators for semiparametric models of general functionals by formally connecting the theory of consistent loss functions from forecast evaluation with the theory of M-estimation. This novel characterization result opens up the possibility for theoretical research on efficient and equivariant M-estimation and, more generally, it allows to leverage existing results on loss functions known from the literature of forecast evaluation in estimation theory.
翻译：我们通过正式将预测评价中连续损失功能理论与M估计理论联系起来,来确定一般功能半参数模型的全类估算员。 这种新颖的定性结果为关于高效和等同估算的理论研究开辟了可能性,更一般地说,它能够利用从预测评价理论文献中了解到的损失功能的现有结果。
相关内容
损失函数，在AI中亦称呼距离函数，度量函数。此处的距离代表的是抽象性的，代表真实数据与预测数据之间的误差。损失函数（loss function）是用来估量你模型的预测值f(x)与真实值Y的不一致程度，它是一个非负实值函数,通常使用L(Y, f(x))来表示，损失函数越小，模型的鲁棒性就越好。损失函数是经验风险函数的核心部分，也是结构风险函数重要组成部分。
Arxiv
0+阅读 · 2022年10月6日
Arxiv
0+阅读 · 2022年10月5日
Arxiv
0+阅读 · 2022年10月4日
Arxiv
0+阅读 · 2022年9月29日
Arxiv
10+阅读 · 2022年2月10日
相关主题
相关VIP内容
相关资讯
微信扫码咨询专知VIP会员