Detailseite
Projekt
Optimale Aktionen und Stoppen im statistischen Lernen
Antragstellerinnen / Antragsteller
Professorin Dr. Alexandra Carpentier; Professor Dr. Markus Reiß
Fachliche Zuordnung
Mathematik
Förderung
Förderung seit 2021
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 460867398
In diesem Projekt betrachten wir das allgemeine Problem des sequentiellen Lernens. Wir untersuchen dieses bei der Strategie, in der linearen Regression adäquat die Stichproben zu generieren, als auch im Falle des Partial-Least-Squares-Algorithmus’ (PLS). Ein fundamentales Problem bei letzterem ist zu entscheiden, wann er gestoppt werden sollte. Ein anderes wichtiges Problem, wenn mehrere dieser Algorithmen parallel laufen, ist zu bestimmen, wie der rechnerische Bedarf zwischen den verschiedenen Problemen aufgeteilt werden sollte. Eine zentrale Schwierigkeit beider dieser Probleme steht im Zusammenhang mit Unsicherheitsquantifikation: In beiden Fällen ist es notwendig, zuverlässige Schätzer der Unsicherheit zu erzeugen, die durch den PLS erreicht werden. Das kann insbesondere im Falle hochdimensionaler Regression unter komplexen Restriktionen sehr schwierig sein. Unser Ziel in diesem Projekt ist es, dieses Problem zu überwinden und klare statistische Garantien für den PLS bereitzustellen.
DFG-Verfahren
Forschungsgruppen
