研究人员开发了一种新的半监督回归方法，适用于具有大量噪声代理协变量和稀缺任务特定标签的场景。所提出的两阶段估计器从所有协变量中学习核特征，然后使用有限的标记数据拟合岭回归预测器。理论界限表明，当无标记代理数据充足且扰动得到控制时，这种方法可以实现有效的学习率，其中分布回归被确定为一个特例。 AI
影响 引入了一种新颖的半监督学习方法，可以改善数据稀缺环境下的模型性能。
排序理由 该集群包含一篇在 arXiv 上发表的关于新机器学习方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.00512v1 Announce Type: cross Abstract: In many modern machine learning pipelines, abundant pretrained representations serve as noisy proxy covariates, while task-specific labels remain scarce. We study semi-supervised regression in this setting, and propose a simple tw…
In many modern machine learning pipelines, abundant pretrained representations serve as noisy proxy covariates, while task-specific labels remain scarce. We study semi-supervised regression in this setting, and propose a simple two stage estimator that learns kernel eigenfeatures…