The Annals of Statistics· 2026Q1
Veri artırmanın Gauss ve Gauss-dışı evrenselliği
Gaussian and non-Gaussian universality of data augmentation
- 1atıf
- Q1SCImago
- 2026yıl
Kısa özet
Veri artırmanın tahmin belirsizliği ve sınırlayıcı dağılımlar üzerindeki etkisi basit vekil değişkenlerle ölçülebilir, bu da bazı makine öğrenimi varsayımlarının aksine belirsizliği artırabileceğini ve çift iniş zirvelerini kaydırabileceğini ortaya koymaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Veri artırmanın tahmin belirsizliği ve sınırlayıcı dağılımlar üzerindeki etkisi basit vekil değişkenlerle tahmin edilebilir.
- Veri artırma, tahmin belirsizliğini (örneğin, ampirik tahmin riskini) azaltmak yerine artırabilir.
- Veri artırma bir düzenleyici olarak işlev görebilir ancak belirli yüksek boyutlu problemlerde başarısız olur.
- Veri artırmanın etkileri evrensel olarak faydalı veya zararlı değildir; veri dağılımı, tahminci özellikleri, örneklem boyutu, artırma sayısı ve boyutluluğa bağlıdır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
We provide universality results that quantify how data augmentation affects the variance and limiting distribution of estimates through simple surrogates, and analyze several specific models in detail. The results confirm some observations made in machine learning practice, but also lead to unexpected findings: Data augmentation may increase rather than decrease the uncertainty of estimates, such as the empirical prediction risk. It can act as a regularizer, but fails to do so in certain high-dimensional problems, and it may shift the double-descent peak of an empirical risk. Overall, the analysis shows that several properties attributed to data augmentation are not either true or false, but rather depend on a combination of factors—notably the data distribution, the properties of the estimator, and the interplay of sample size, number of augmentations and dimension. As our main theoretical tool, we develop an adaptation of Lindeberg’s technique for block dependence. The resulting universality regime may be Gaussian or non-Gaussian.
Yazarların özeti; kaynağından alınmıştır. The Annals of Statistics, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: İstatistik ve Olasılık
Statistics and ProbabilityMathematics