两篇新研究论文解决了不平衡回归的挑战,即目标变量中的某些值范围代表性不足。第一篇论文《基于实例难度的不平衡回归相关性》介绍了InHaR函数,该函数不仅从目标值推断稀有度,还从学习难度推断稀有度,在重采样策略下表现出性能提升。第二篇论文《DADIR:面向不平衡回归的感知数据级不平衡回归框架》提出了一个使用密度信息划分目标空间并生成合成数据的框架,在预测性能方面,尤其是在代表性不足的区域,显示出了一致的改进。 AI
影响 这些新方法可以提高机器学习模型在数据分布不均情况下的准确性,从而在实际应用中获得更好的性能。
排序理由 两篇在arXiv上发表的学术论文,提出了不平衡回归的新方法。
- arXiv
- Dadirejo
- DR-CVAE
- Hugging Face
- Shermin Shahbazi
- alphaXiv
- CatalyzeX
- CORE Recommender
- DagsHub
- Gaussian noise
- Gotit.pub
- IArxiv
- Inhar Agirrezabal Saenz de Santamaria
- Random Oversampling
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →