本文分析了迁移学习中最小范数插值器的泛化误差，特别是在训练期间可用测试样本有限的情况下。研究描述了在协变量和模型变化下的偏差和方差，揭示了在低信噪比下增加数据有时会适得其反。研究结果表明，如果偏移信号比低于特定阈值，迁移学习在高信噪比水平下是有益的。该研究还引入了随机矩阵理论和普适性分析中的新颖技术工具。 AI
影响 为模型泛化提供了理论见解，可能为未来的算法设计提供信息。
排序理由 该集群包含一篇关于理论机器学习主题的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
