本文对应用于高维最小二乘支持向量机（LSSVM）的bootstrap集成方法进行了理论分析。研究利用随机矩阵理论，考察了在不同数据子集上训练的多个弱分类器的聚合决策如何影响性能。研究结果为优化子集数量和正则化参数提供了策略，并在合成和真实数据集上进行了实证验证。 AI
影响 为高维机器学习中的集成方法提供了理论基础，可能提高分类器性能。
排序理由 学术论文发表在arXiv上，详细介绍了机器学习技术的理论分析。[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 →
arXiv:2505.14587v2 Announce Type: replace Abstract: Bootstrap methods have long been the cornerstone of ensemble learning in machine learning. This paper presents a theoretical analysis of bootstrap techniques applied to the Least Square Support Vector Machine (LSSVM) ensemble in…