English(EN) Influence Diagnostics in High-dimensional M-estimation: Precise Asymptotics

新方法分析高维模型中的数据点影响

作者 PulseAugur 编辑部 · [2 个来源] · 2026-07-10 10:01

研究人员开发了一种新方法，用于理解高维环境中单个训练数据点对统计模型的影响。这种方法在最近的一篇arXiv论文中有所详述，它描述了这些影响的分布，并表明有影响力的样本通常位于决策边界附近。这一发现对主动学习策略具有启示意义，主动学习旨在选择信息量最大的数据点进行训练。 AI

影响这项研究通过识别有影响力的训练点，可能导致机器学习模型中更有效的数据选择。

排序理由该集群包含一篇在arXiv上发表的学术论文，详细介绍了一种新的统计方法。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv stat.ML TIER_1 English(EN) · Hugo Cui · 2026-07-13 04:00

高维M估计中的影响诊断：精确渐近理论

arXiv:2607.09250v1 Announce Type: new Abstract: The impact of a given training point on a statistical model is classically measured through its leave-one-out influence, which quantifies the effect of its removal from the training set on the model accuracy. While the statistics of…
arXiv stat.ML TIER_1 English(EN) · Hugo Cui · 2026-07-10 10:01

高维M估计中的影响诊断：精确渐近理论

The impact of a given training point on a statistical model is classically measured through its leave-one-out influence, which quantifies the effect of its removal from the training set on the model accuracy. While the statistics of leave-one-out influences are well understood in…