一篇新论文介绍了一种基于散度的框架，用于对统计模型和机器学习模型的预测进行加权和平均。该方法被设计为通用的，适用于各种拟合方法，如频率学派和贝叶斯学派方法。实证结果表明，它在小样本量场景下表现与现有方法相当或更好，理论分析解释了这一优势。 AI
影响 引入了一种新颖的统计方法，可以提高聚合模型预测的准确性，尤其是在数据稀缺的情况下。
排序理由 关于模型平均新颖统计方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
新的基于散度的方法改进了小样本量下的模型平均
报道来源 [2]
-
一种基于发散的方法用于模型预测的加权与平均
arXiv:2604.24172v1 Announce Type: new Abstract: This paper uses a minimum divergence framework to introduce a new way of calculating model weights that can be used to average probabilistic predictions from statistical and machine learning models. The method is general and can be …
-
一种基于发散的方法用于模型预测的加权与平均
This paper uses a minimum divergence framework to introduce a new way of calculating model weights that can be used to average probabilistic predictions from statistical and machine learning models. The method is general and can be applied regardless of whether the models under c…