新方法用可解释规则纠正二元分类器错误

研究人员开发了一种新颖的二元分类器事后纠错框架。这种模型无关的方法通过搜索可解释的特征阈值规则来修复残余错误，而无需更改原始分类器。该方法利用基于图的搜索和动态约束来有效识别纠错路径，并在大型二元分类任务上证明能显著减少假阳性，同时对真阳性的影响最小。 AI

影响 引入了一种无需重新训练即可提高二元分类器准确性的新颖技术。

排序理由 该集群包含一篇详细介绍新机器学习方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• Qinwu Xu
• ScienceCast

• 论文
• 其他

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