新指标特征不稳定性 (FI) 增强模型稳定性分析

研究人员引入了一个名为特征不稳定性 (FI) 的新指标来分析算法稳定性，重点关注模型对移除单个特征的敏感度。该指标类似于实例不稳定性 (II)，为理解泛化提供了补充信息。对线性模型和随机森林的实验表明，特征装袋（一种使用随机特征子集的技术）与不使用装袋的方法相比，显著提高了稳定性，尤其是在更积极的子采样下。 AI

影响 引入了一个新的模型稳定性分析指标，有望带来更强大的机器学习算法。

排序理由 该集群包含一篇学术论文，详细介绍了机器学习稳定性的新指标和理论分析。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Feature Instability
• Gotit.pub
• Hugging Face
• Instance Instability
• random forest
• 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 →