研究人员引入了方向性核均值差（DKMD），这是一种用于比较单变量分布的新统计量。与最大均值差异（MMD）等会丢失方向信息的现有方法不同，DKMD 保留了分布变化的 D方向。该方法计算效率高，其 O(N log N) 算法使其能够快速扩展到数百万个样本。实验表明，DKMD 能有效识别方向性变化，并且对异常值保持鲁棒性。 AI
影响 引入了一种新颖的统计工具，可以改进机器学习中数据分布的分析和比较。
排序理由 介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
