精选理由
教你用贪心算法选关键方向，逼近最优解。
论文提出一种基于有限字典和预算约束的不确定性方向选择方法，将选定子集构成原子不确定性集，并推导出闭式支撑函数，使仿射目标的鲁棒优化可解。该方法通过数据驱动规则覆盖评估方向（如梯度、对抗扰动和留出数据偏移），并证明目标函数是单调且子模的，支持贪心算法达到(1-1/e)近似保证，同时给出匹配的难度下界。此外，论文提供选定子集损失的上界证书，以及带样本外控制的半径校准规则。
AI 翻译 · 中文
论文提出一种基于有限字典和预算约束的不确定性方向选择方法，将选定子集构成原子不确定性集，并推导出闭式支撑函数，使仿射目标的鲁棒优化可解。该方法通过数据驱动规则覆盖评估方向（如梯度、对抗扰动和留出数据偏移），并证明目标函数是单调且子模的，支持贪心算法达到(1-1/e)近似保证，同时给出匹配的难度下界。此外，论文提供选定子集损失的上界证书，以及带样本外控制的半径校准规则。
Robust machine learning and optimization rely on the uncertainty model choice. We investigate which uncertainty directions a model must cover when defined by a finite dictionary and a budget constraint. Selecting a subse…