This work establishes Bernstein-type closed-form concentration inequalities for the beta distribution, with optimal variance proxy. For skewed distributions, these bounds are demonstrated to be more accurate then sub-gaussian and sub-gamma inequalities from prior works. The approach builds on the recursion obtained from a hyper-geometric representation of the central moments.


翻译:这项工作确立了贝塔分布的伯恩斯坦型封闭式浓度不平等,并有最佳差异替代物。 对于偏斜分布,这些界限被证明更为准确,而以前作品的偏斜分布则更准确,而以前作品的亚加西语和亚伽马语的不平等则更准确。 这种方法以从中心时段的超几何表示法中获得的循环为基础。

0
下载
关闭预览

相关内容

迁移学习简明教程,11页ppt
专知会员服务
104+阅读 · 2020年8月4日
因果图,Causal Graphs,52页ppt
专知会员服务
238+阅读 · 2020年4月19日
机器学习入门的经验与建议
专知会员服务
89+阅读 · 2019年10月10日
已删除
将门创投
11+阅读 · 2019年7月4日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Bivariate Beta LSTM
Arxiv
5+阅读 · 2019年10月7日
VIP会员
相关资讯
已删除
将门创投
11+阅读 · 2019年7月4日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员