(Machine) learning parameter regions
创建于 更新于
摘要
本文将参数区域的随机采样描述问题构造成监督机器学习问题，利用误分类误差和统计学习理论的VC维度等工具，明确了参数区域学习的可行性条件和样本复杂度界限。引入学习最紧包络区间的松弛定义，限定采样分布以获取工整可用的采样量建议。应用于SVAR模型，定量说明了所需抽样数量的理论上下界及其实用性，帮助宏观计量学中的非全识别模型构造置信区间和后验密度集的有效数值近似 [page::0][page::1][page::2][page::3][page::4][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14][page::15][page::16]
