待验证50% 置信事实精确时间
理论分析给出了平方ℓ2参数估计误差的上界：Sample-DP为Õ(s*/n + s*^2/(n^2ε^2))，Label-DP（基于随机响应）为Õ(s*/n + s*/(nε^2))，其中n为训练数据量，ε为隐私预算。
1
来源数
50%
置信度
长期有效
时效性
2026/10/22
首次发现
来源
涉及实体
相关事实
待验证论文证明学习得到的生成分布在Wasserstein-p距离下满足有限样本误差界W_p ≲ n^(-1/d) + n^(-1/(2p))(log(1/ξ))^(1/(2p))74% 相似待验证在真实映射为均匀随机的假设下，论文证明了错误率下界为 E ≥ (M/N)δ*(B/M) + (1-M/N)(1-1/K)73% 相似待验证在全变差度量下，平均误差为 Õ_p(n^(-β/(d_x+d_y+2β)))72% 相似待验证论文研究了两类估计量：初步估计量和约束估计量；初步估计量对每个可测集单独训练一个二元回归模型，实现简单且并行性好，但不同集合间的预测可能违反概率一致性。71% 相似待验证蒙特卡洛估计的标准误差与模拟次数N的关系为标准误差正比于1/√N69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1083976API
curl https://kongchang.com/api/v1/knowledge/claims/1083976MCP
get_claim(id=1083976)