Supongamos que yo estoy tratando de estimar un gran número de parámetros a partir de algunos datos de alta dimensión, el uso de algún tipo de estimaciones regularizados. El regularizer introduce cierto sesgo en las estimaciones, pero todavía puede ser un buen trade-off debido a la reducción en la varianza debe más que compensar por ello.
El problema viene cuando quiero para estimar los intervalos de confianza (por ejemplo, utilizando la aproximación de Laplace o bootstrapping). Específicamente, el sesgo en mis estimaciones conduce a la mala cobertura en mi intervalos de confianza, lo que hace que sea difícil determinar la frecuentista propiedades de mi estimador.
He encontrado algunos documentos de debate sobre este problema (por ejemplo, "Asintótico de los intervalos de confianza en la cresta de regresión basado en el Edgeworth expansión"), pero la matemática es en su mayoría por encima de mi cabeza. En los enlaces de papel, Ecuaciones 92-93 parecen ser un factor de corrección para las estimaciones que fueron regularizados por la cresta de regresión, pero me preguntaba si eran buenos, los procedimientos de trabajo con una gama de diferentes regularizers.
Incluso una de primer orden de la corrección sería extremadamente útil.
