本文介绍了一种新的主动回归方法，该方法显著提高了各种曲线拟合问题的样本复杂度。该方法仅用 O(d) 个标签即可实现线性回归的常数因子近似，优于先前的 O(d log d) 结果。该研究还扩展到归纳设置，能够泛化到多项式回归等连续问题中的新样本，并为非线性稀疏傅里叶变换提供了改进的技术。 AI
排序理由 该集群包含一篇详细介绍新研究方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:1711.10051v4 Announce Type: replace Abstract: We present an approach that improves the sample complexity for a variety of curve fitting problems, including active learning for linear regression, polynomial regression, and continuous sparse Fourier transforms. In the active …