新的“Local Shapley”方法大幅削减数据评估计算量

研究人员推出了一种名为“Local Shapley”的新型数据评估方法，该方法显著降低了计算复杂度。与考虑所有可能的训练数据组合的传统方法不同，Local Shapley 利用了现代预测模型固有的局部性，仅关注直接影响预测的数据子集。这种方法将评估问题重新构建为结构化数据处理任务，从而为重新训练操作设定了理论下限，并实现了 LSMR 和 LSMR-A 等高效算法。跨不同模型系列的实验结果表明，在保持数据评估高精度的同时，重新训练时间和计算资源得到了大幅削减。 AI

影响 降低了数据评估的计算成本，可能加速模型开发和部署。

排序理由 介绍数据评估新计算方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• graph neural networks
• k-nearest neighbors algorithm
• Lester Smith Medical Research Institute
• Local Shapley
• LSMR-A
• Shapley value
• Xuan Yang

• 论文
• 基础设施

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