High-dimensional Data
Introduction Target model: , . , can be larger than . : number of nonzero elements of . is much smaller than . Auxiliary models: , , . と は一般的に異なる．しかしもし両者が近い値をとるならば，target model をより効率的に推定できるかもしれな…
6.2.2 続き Let , , . 明らかに . Lemma 6.3: On with , . Proof. Lemma 6.1 と から， \begin{align*}2||\mathbf{X}(\hat \beta - \beta^0) ||_2^2/n + 2\lambda || \hat \beta ||_1 \le \lambda ||\hat \beta - \beta^0|| + 2 \lambda || \beta^0 ||_1\end…
6.2.1 Introduction , . In matrix notation, . は固定， は i.i.d. とする． For the moment, とおく． Least squares estimator: このとき， とくに， もわかる (as )． つまり， と正規化しておけば，各 を (全体としては ) の精度で推定可能． 以降では…
Introduction モデル： , Doubly high-dimensional setting: , 両方とも high-dimensional. 各 について statistical inference したい． van de Geer et al. (2014 AoS)のような二段階のde-biased LASSOを考える． Belloni et al. (2018 arXiv)も似たような…
