本文研究了结构化支持向量机（SVM）的Fisher一致性，这是其准确性的必要条件。作者证明了任务损失度量常用的测地线点要求对于标准argmax解码器来说并不充分。他们使用一个四输出星形图提供了最小反例，并对树度量进行了分类，表明argmax一致性仅对路径图成立。研究还确定了某些度量族和汉明立方体存在反例，突显了在某些多面体设置中，校准链接与规定的argmax链接之间存在差距。 AI
影响 该研究阐明了结构化预测模型中的理论局限性，可能指导未来的算法开发。
排序理由 详细介绍机器学习理论发现的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- argmax decoder
- Fisher consistency
- Hamming cube
- K_{2,3}
- PATH
- star
- Structured SVM
- Tree-metric classification
- tree metrics
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
