新研究将SSL流程调优与分类器优化解耦

一篇新研究论文介绍了SemiScope，一种旨在解耦半监督学习（SSL）流程调优与安全分类任务中下游分类器调优效果的方法。研究发现，仅优化分类器通常就能恢复通过完全优化整个SSL流程所获得的相当一部分性能提升。该论文提出了一种更简单的方法：使用自训练（Self-Training），并结合贝叶斯优化调优的分类器和验证集调优的决策阈值，在较高的标签百分比下，其性能与全监督方法相当。 AI

影响 这项研究通过强调分类器调优相对于完整流程优化在安全分类中的有效性，提供了一种更有效的方法。

排序理由 该集群包含一篇研究论文，详细介绍了一种用于安全分类中半监督学习的新方法和分析。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• Bayesian optimization
• Drebin
• phishing
• random forest
• SemiScope
• Tuned-Clf

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →