2025年8月2日,华东师范大学统计交叉科学研究院邀请中国科学院数学与系统科学研究院预测科学研究中心助理研究员张婉博士,以"高维数据依赖关系的正则化建模"为主题作学术报告。华东师范大学统计学院和统计交叉科学研究院院长周勇教授主持本次报告,此次报告围绕张婉近期提出的"序次Lasso"方法展开,系统介绍了其在复杂数据建模领域的创新实践。



随着数据维度与模型复杂度的提升,传统统计方法在处理高维非线性依赖关系时面临可解释性与计算效率的双重挑战。张婉在报告中指出,其提出的二元扩展线性效应(BELIEF)框架通过"分而治之"策略,将复杂依赖关系分解为数据位上的小线性回归单元,有效降低了建模难度。在此基础上,研究团队发现二进制交互的平滑度与沃尔什函数序列存在内在关联,进而定义了二进制交互的新平滑度标准,并开发出序次Lasso方法——通过施加差异化的惩罚项,实现对平滑依赖关系的高效建模。


该方法在理论层面建立了高维数据下依赖关系建模的新框架,实际应用中展现出显著优势,尤其在处理非线性、高维数据时,其模型简洁性与预测精度均优于传统方法。张婉强调,该研究为复杂现实问题的可解释性建模提供了新的机器学习工具。数值研究表明,序列Lasso在非线性和高维数据中具有清晰可解释性和有效性的优势。

报告结束后,周勇教授总结指出,张婉的研究充分体现了统计科学与数据科学的交叉融合,其方法创新对解决高维数据建模难题具有重要参考价值。学院师生及校外学者共五十余人参与活动,其中多位研究生在交流环节与报告人展开深入探讨。与会者表示,通过与报告人的互动,深化了对可解释机器学习前沿技术的理解,为后续科研实践提供了新思路。

