研究人员开发了一种新的算法，可以高效地学习多类线性分类器，即使数据被恒定速率的噪声损坏。该算法所需的样本复杂度为 O(k^2 * (d log d + log k))，并结合了基于聚类的剪枝方案和多类合页损失最小化。这些发现意义重大，因为它们比之前的工作提供了更强的结果，即使在二元分类情况下也是如此。 AI
影响 这项研究在机器学习中推进了学习复杂线性模型的理论理解和实际效率。
排序理由 该集群包含一篇详细介绍机器学习新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Litmaps
- Multiclass Linear Classifiers
- probably approximately correct learning
- Rita Adhikari
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
