PulseAugur
中
实时 07:27:13
English(EN) What Is The Performance Ceiling of My Classifier? Utilizing Category-Wise Influence Functions for Pareto Frontier Analysis

新方法利用类别影响函数分析分类器性能上限

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种使用类别影响函数来分析机器学习分类器性能上限的新方法。该方法量化了单个训练样本在所有类别上的影响，旨在实现帕累托改进，即每个类别都能受益而不牺牲其他类别。所提出的框架包括一个评估潜在模型改进的标准和一个实现这些帕累托收益的样本重加权系统，并通过在合成、视觉和文本数据集上的实验进行了演示。 AI

影响 提供了一个新的框架，用于同时理解和改进多类别分类器的性能。

排序理由 该集群包含一篇详细介绍机器学习分析新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法利用类别影响函数分析分类器性能上限

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Shahriar Kabir Nahin, Wenxiao Xiao, Joshua Liu, Anshuman Chhabra, Hongfu Liu ·

    我的分类器的性能上限是多少？利用类别影响函数进行帕累托前沿分析

    arXiv:2510.03950v2 Announce Type: replace Abstract: Data-centric learning seeks to improve model performance from the perspective of data quality, and has been drawing increasing attention in the machine learning community. Among its key tools, influence functions provide a power…

相关实体

相关话题