概念DRO / Distributionally Robust Optimization
分布鲁棒优化
一种优化方法，不假设数据分布完全已知，而是在预设的模糊集内对最坏情况分布进行优化，使决策对分布偏差具有鲁棒性，广泛应用于机器学习和运筹学领域
时间轴 (近 90 天)
10月12日
在风险厌恶机器学习中，除了CVaR之外，还存在方差惩罚、Wasserstein距离约束以及分布鲁棒优化（DRO）等方法。
待验证50%
10月9日
分布鲁棒优化（DRO）的核心思路是在一个模糊集内优化最坏情况下的表现，而不假设数据分布完全已知
待验证50%
10月9日
当模糊集几何形状与真实预测误差结构不匹配时，需要用很大的半径来覆盖不确定性，从而导致决策过度保守
待验证50%
10月9日
传统DRO方法在模型设定错误时存在非消失的鲁棒性地板，即无论数据多充分决策风险都降不下去的下限
待验证50%