本論文では、ノイズのある観測から未知のリプシッツ関数を推定するための実用的なアルゴリズムを提案し、その収束速度の上限を確立しています。このアプローチは、凸形状制約回帰における最大アフィン手法を、より一般的なリプシッツの設定に拡張します。重要な要素は、最大アフィン関数をデルタ凸関数のサブクラスにマッピングする非線形の特徴拡張であり、これによりリプシッツ関数の普遍的な近似器として作用し、リプシッツ定数を保持します。この特性を利用して、推定器は、データの固有次元に関してミニマックス収束速度を達成します。アルゴリズムは、固有次元を捉えるための適応的分割、真のリプシッツ定数を知らなくてもよいペナルティベースの正則化メカニズム、および凸初期化と局所的な洗練を組み合わせた2段階の最適化手法を統合しています。実験結果は、最近傍法やカーネルベースの回帰器など、理論的に正当化された他の方法と比較して競争力のある性能を示しています。