线性回归近视贝叶斯主动学习的新近似比

研究人员为线性回归中的近视贝叶斯主动学习风险建立了一个新的近似比。该比率与最大初始杠杆分数（MILS）呈线性关系，为贪婪算法在此背景下的性能提供了严格的界限。该研究将MILS引入为影响贪婪算法有效性的关键量，并包含数值模拟来展示研究结果。 AI

影响 为主动学习策略提供了理论界限，有可能提高机器学习任务中的数据选择效率。

排序理由 该集群包含一篇详细介绍机器学习新理论发现的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• Bayesian Active Learning for Drug Combinations
• CatalyzeX
• CORE Recommender
• DagsHub
• Gotit.pub
• greedy algorithm
• Hugging Face
• IArxiv Recommender
• Influence Flower
• linear regression
• Maximum Initial Leverage Score (MILS)
• ScienceCast

• 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 →