Deep Bootstrap：基于条件扩散模型的非参数回归新框架

研究者提出 Deep Bootstrap 框架，用条件扩散模型学习响应变量在给定协变量下的分布，并将原始协变量与新合成响应配对生成 bootstrap 样本。该方法把条件分布估计、采样与非参数回归整合进统一生成框架，并给出所学条件分布与目标分布间 Wasserstein 距离的最优端到端收敛速率及 bootstrap 过程的收敛保证。数值实验显示其在复杂回归任务上有效且可扩展。