近似 Logistic 损失的空间复杂度

基于摘要分析。本文研究逻辑回归中，以 ε 相对误差近似 logistic loss 所需的数据结构空间，核心贡献是给出空间复杂度下界，并将影响 coreset 空间需求的复杂度度量 μ_y(X) 转化为可高效求解的线性规划问题。 理论方面，作者报告：对于数据矩阵 X∈R^{n×d}，当 μ_y(X)=O(1) 时，空间下界为 Õmega(d/ε²)，表明该条件下现有 coreset 构造在忽略低阶因子后已达到最优；当 ε 为常数时，一般空间下界为 Õmega(d·μ_y(X))。后一结果说明，对 μ_y(X) 的依赖并非仅由可合并 coreset 的构造要求造成。上述结论分别对应不同的参数条件，不能脱离适用范围解读为统一的压缩限制。 计算方面，作者报告通过高效线性规划形式反驳了此前关于 μ_y(X) 难以计算的猜想，并与既有近似计算方法进行了实证比较。摘要未提供比较所用数据、运行时间、近似精度或具体求解规模，因此尚不能判断该计算方法的实际扩展性；定理的精确假设、空间计量方式、证明细节及实证协议尚未验证。 本文主要对象是通用逻辑回归损失近似的理论边界，并非状态空间模型，也未报告 EEG 或 BCI 实验。其结论不能直接推广为神经信号分类或在线适应中的压缩效果；已有 EEG 相关工作尚未检索确认。