信息来源：统计与大数据研究院 发布日期：2025-08-09

近日，我院博士生何辰轩作为第一作者的论文“A Goodness-of-Fit Assessment for General Learning Procedures in High Dimensions”被统计学顶级期刊Journal of the American Statistical Association接收。

论文概述

近年来，黑箱学习器凭借其卓越的预测精度，在多个领域取得了显著成果。然而，由于其学习过程的复杂性，如何评估这些学习器在未知数据生成机制下是否已达到最优表现，成为一项重大挑战。针对这一问题，本文提出了一种适用于高维预测变量的通用拟合优度检验方法，能够评估从经典线性回归到神经网络等多种学习方法的表现。该方法基于数据分割策略，利用测试集对在训练集上训练得到的黑箱学习器进行评估，并通过考察残差的累积协方差，有效应对高维预测变量带来的挑战。仿真实验及三组真实数据分析结果表明，该方法具有良好的有效性和实用性。

发表页面

作者简介

何辰轩，中国人民大学统计与大数据研究院 2022 级直博生，研究方向为统计检验，非参数统计，机器学习，深度学习等。研究成果发表在 Journal of the American Statistical Association，Computational Statistics & Data Analysis，统计研究等国内外期刊上。

陈灿贻，中国人民大学统计与大数据研究院2023届毕业生，目前在密歇根大学从事博士后研究。研究方向为分布式计算，模型诊断，中介效应等。研究成果发表在Journal of the American Statistical Association, Statistica Sinica等国内外期刊上。

朱利平，中国人民大学“杰出学者”特聘教授，统计与大数据研究院院长，博士生导师。详情请见个人主页：http://isbd.ruc.edu.cn/sztd/1300f3797f4e477789514056a51c9dfa.htm