样本选择偏差下的学习估计：紧致刻画与通用算法

针对样本选择偏差导致的回归难题，新研究给出了在复杂选择机制下实现回归估计的最小假设与紧致条件刻画。研究证明在选择过滤器本身无法识别的场景下依然能够识别回归函数，打破了传统“先估计过滤器再去偏”的范式。该工作还提供了具备明确收敛速度的有限样本估计保证与高效算法，为该类选择问题提供了首个通用估计方法。