# BGDMA算法

多来源学习里，未来部署人群的来源构成往往未知，而按最坏来源混合做优化容易过度保守。PILLAR 在低秩矩阵估计中把对抗来源权重朝用户给定的参考分布正则化，用双因子梯度下降加镜像上升求解这一非凸-凹问题，并给出线性收敛与把低秩估计误差和对抗重加权代价分开的误差界。模拟与电子健康记录自杀未遂风险研究中，最差来源与跨时间迁移的预测精度都有提升。

多来源学习里，未来部署人群的来源构成往往未知，而按最坏来源混合做优化容易过度保守。PILLAR 在低秩矩阵估计中把对抗来源权重朝用户给定的参考分布正则化，用双因子梯度下降加镜像上升求解这一非凸-凹问题，并给出线性收敛与把低秩估计误差和对抗重加权代价分开的误差界。模拟与电子健康记录自杀未遂风险研究中，最差来源与跨时间迁移的预测精度都有提升。