כתבה
arXiv cs.LG ·
למידת DAG גאוסיאנית גבוה-ממדים: ציון-החולצה ללמידה יעילה
Hold-Out Scoring for Efficient Gaussian DAG Learning
אלגוריתם חדש ללמידת DAG גאוסיאנית גבוה-ממדים, המשתמש בציון-החולצה לשיפור יעילות. האלגוריתם, HOST, מצליח ללמוד DAG גאוסיאני גבוה-ממדים בזמן פולינומי, עם רגישות סטטיסטית של O(dlog p).
תקציר מקורי באנגליתarXiv:2610.02785v1 Announce Type: cross Abstract: High-dimensional Gaussian DAG learning faces a statistical-computational gap: methods with sharp sample complexity rely on computationally expensive subset search and a supplied indegree bound, whereas polynomial-time alternatives have less favorable sample complexity. We introduce HOST, an efficient DAG learning algorithm that replaces subset search with nodewise hold-out scoring and convex regression, without requiring a supplied indegree bound. Our key insight is that recovering a correct ordering does not require uniformly small estimation errors in ordering scores but only one-sided control of those errors. In the ordering step, HOST exploits the fact that score estimation using hold-out samples inflates ordering scores in expectation,
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית