PulseAugur
中
实时 11:32:14

研究论文对比了成本敏感型和成本无关型机器学习损失函数

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新的研究论文探讨了在模型容量有限的情况下，成本敏感型损失函数为何能在机器学习中优于成本无关型损失函数的理论基础。该研究建立了在使用成本无关型目标进行后处理的模型与直接使用成本敏感型目标进行训练的模型之间的性能差距。当特定任务的最优决策边界与从成本无关方法得出的假设不一致时，就会出现这种差距，这种情况在 UCI 存储库的分类数据集上得到了证明，尤其是在使用简单模型时。 AI

影响 为具有有限容量的机器学习模型中使用成本敏感型损失函数提供了理论依据。

排序理由 该集群包含一篇讨论机器学习理论方面的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

研究论文对比了成本敏感型和成本无关型机器学习损失函数

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jessica Finocchiaro, Sanket Shah, Milind Tambe ·

    在有限模型容量下通过 $\mathcal H$-一致性对比成本无关和成本敏感损失

    arXiv:2502.19522v2 Announce Type: replace Abstract: There is a prevalent debate in machine learning about whether practitioners should train models to optimize a task-agnostic objective (e.g., cross entropy) or incorporate the downstream decision task into the optimization object…

相关话题