新框架通过反馈机制增强统计检验

研究人员开发了一个名为“带反馈的广义 alpha 投资”（GAIF）的新框架，用于序贯假设检验。该方法根据已揭示的结果动态调整阈值，以确保对错误发现率的控制。该框架已扩展到在线一致性检验，能够构建有效的一致性 p 值和具有有限样本边际错误发现率控制的反馈增强检验规则。此外，还提出了一种反馈驱动的评分选择标准，以自适应地选择最有效的候选评分用于检验过程。 AI

影响 引入了可能应用于 AI/ML 研究的新型统计方法，以实现更稳健的假设检验和模型评估。

排序理由 这是一篇详细介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv stat.ML 阅读 →

• arXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Generalized alpha-investing with feedback (GAIF)
• Gotit.pub
• Hugging Face
• Influence Flower
• Lin Lu
• 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 →