邹至庄经济研究院博士生论文研讨会第109期
论文题目：高斯过程模型的模型平均
报告人：赵勇超
导师：韩晓祎教授
摘要：
高斯过程回归（Gaussian Process Regression, GPR）作为一种灵活的非参数方法，广泛应用于连续函数建模与复杂数据相关性分析，但其预测性能对均值函数的设定高度敏感。针对GPR均值结构中的模型不确定性，本文提出了一种Mallows型模型平均方法（MAGPie），以进一步提升预测精度。我们推导了该方法惩罚项偏导数的显式表达式，避免了复杂的数值迭代过程，显著降低了计算复杂度。在温和的正则条件下，本文证明了所提方法的渐近最优性，并通过模拟研究评估了其在有限样本下的表现。此外，将MAGPie应用于具有小样本、高维及非线性特征的订单优先级预测真实数据集，进一步验证了该方法在实际预测任务中的有效性。
地点：D235
腾讯会议：967-5093-2356
时间：6月8日，周一中午，12:30-14:00
语言：英文
