PulseAugur
实时 10:48:51
English(EN) Exponential Convex Calibration Dimension for the Multi-Label Jaccard Measure

新指标CCdim显示精确Jaccard校准的指数维度

研究人员引入了指数凸校准维度(CCdim)来分析多标签分类和二元分割任务的复杂性。该新指标应用于Jaccard分数,揭示了实现精确校准需要指数数量的预测坐标。该研究还提供了多项式维度的近似保证以及一种从F-1代理到Jaccard代理的新颖迁移方法,为管理遗憾提供了实用的替代方案。 AI

影响 引入了一个理论框架,可能会影响未来用于分类和分割任务的机器学习模型的设计。

排序理由 该集群包含一篇详细介绍机器学习新理论指标的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

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 →

新指标CCdim显示精确Jaccard校准的指数维度

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Mingyuan Zhang ·

    多标签Jaccard度量的指数凸校准维度

    arXiv:2608.13549v1 Announce Type: cross Abstract: The per-instance Jaccard score, or intersection over union (IoU), is standard in multi-label classification and binary segmentation. With $s$ labels, its loss matrix has $2^s$ outcomes and reports. Under the convention $\mathrm{Ja…