PulseAugur
实时 09:43:21
English(EN) Nonparametric Goodness-of-fit Testing under Covariate Shift

新的统计方法解决模型测试中的协变量偏移问题 · 跟踪到1个来源

研究人员开发了在源总体和目标总体数据分布不同的情况下进行非参数拟合优度检验的新方法。该方法结合了截断重要性加权核岭回归和乘数自举法,为回归函数创建置信集。即使在密度比重尾的情况下,该技术也具有鲁棒性,并通过理论证明和数值实验得到了验证。 AI

影响 引入了在分布偏移下评估模型的先进统计技术,这对于实际的AI部署至关重要。

排序理由 该集群包含一篇详细介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv stat.ML 阅读 →

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

新的统计方法解决模型测试中的协变量偏移问题 · 跟踪到1个来源

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Zhen Hou, Dong Xia ·

    协变量偏移下的非参数拟合优度检验

    arXiv:2608.04860v1 Announce Type: cross Abstract: This paper develops procedures for nonparametric goodness-of-fit testing under covariate shift, where labelled data are drawn from a source population but goodness-of-fit is evaluated for a target population. The distribution mism…