一篇新论文反对在高斯核（也称为平方指数核或径向基函数核）在机器学习任务（如回归和分类）中的广泛使用。作者认为，该核会导致不切实际的条件方差过小，从而在预测不确定性方面产生灾难性的过度自信。此外，该核固有的平滑性会导致数值病态，在实际应用中需要引入类似“nugget”项的变通方法。论文建议，总体上应避免使用解析核。 AI
影响 挑战了常用核函数的默认使用方式，可能影响机器学习应用中的模型开发和不确定性量化。
排序理由 学术论文，详细阐述了关于特定机器学习技术的理论发现和论点。[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 →
