Neue Regressionsmethode lernt aus Intervallzielen – State-of-the-Art-Ergebnisse

Wissenschaftler haben eine neue Technik entwickelt, die Regressionsaufgaben mit Intervallzielen bewältigt. Dabei stehen nur obere und untere Schranken der Zielwerte zur Verfügung, weil die exakten Werte teuer oder unmöglich zu bestimmen sind. Traditionelle Verlustfunktionen funktionieren hier nicht, weshalb die Forscher spezielle Intervalllosses eingeführt haben.

Die Autoren zeigen, dass sie mit nicht-asymptotischen Generalisierungsgrenzen arbeiten können, die auf der Glattheit der Hypothesenklasse beruhen. Dadurch lassen sich die bisherigen Annahmen zu Realisierbarkeit und geringer Ambiguität deutlich lockern. Anschließend stellen sie ein neuartiges Min‑Max-Lernmodell vor, das die Zielwerte innerhalb der Intervallgrenzen maximiert und gleichzeitig minimiert – ein nicht-konvexes Problem, das jedoch durch Glattheitsbeschränkungen gut lösbar ist.

In umfangreichen Experimenten auf realen Datensätzen übertrifft die Methode die bisherigen Ansätze und liefert damit einen neuen Standard für Regressionsaufgaben, bei denen nur unsichere Zielintervalle vorliegen.