PulseAugur
中
实时 11:31:57

新的校准预测驱动推断方法改进了半监督均值估计

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为校准预测驱动推断（CalPPI）的新方法，以改进半监督均值估计。该技术涉及在使用大量无标签数据集之前，先使用少量有标签数据集对预测分数进行事后校准。该方法旨在提高预测准确性和半监督估计的效率，尤其是在预测分数与结果尺度不完全一致时。实验表明，CalPPI 通常优于 PPI 等现有方法，并且与 AIPW 和 PPI++ 相比具有竞争力或更优。 AI

影响 引入了一种新的半监督学习校准技术，可以提高估计器的效率和预测准确性。

排序理由 介绍新统计推断方法的学术论文。

在 arXiv stat.ML 阅读 →

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

新的校准预测驱动推断方法改进了半监督均值估计

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Mark Van Der Laan ·

    Calibeating Prediction-Powered Inference

    We study semisupervised mean estimation with a small labeled sample, a large unlabeled sample, and a black-box prediction model whose output may be miscalibrated. A standard approach in this setting is augmented inverse-probability weighting (AIPW) [Robins et al., 1994], which pr…

相关实体

相关话题