本文探讨了通过将小型目标数据集与大型辅助数据集相结合来提高统计效率的方法。研究人员研究了两种主要方法：逆概率加权（IPW）和全似然（FL）方法。研究表明，虽然IPW在目标样本量小的情况下存在局限性，但FL可以实现显著的效率提升，甚至能以与辅助样本量相当的速率估计模型参数。文章探讨了指数族及其混合体的“完全效率增益”的理论基础，并讨论了将FL应用于神经网络模型进行预后的方法。 AI
影响 引入了新的统计技术，可以提高在有限数据上训练的机器学习模型的效率。
排序理由 该条目是一篇详细介绍统计学方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Hugging Face
- inverse probability weighting
- mixtures of exponential families
- Neural network models for breast cancer prognosis
- Tukey
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
