Română(RO) Implicit Regularization for Multi-label Feature Selection

新方法使用隐式正则化进行多标签特征选择

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-02 04:00

研究人员开发了一种新颖的多标签学习特征选择方法，利用隐式正则化和标签嵌入。该方法采用Hadamard积参数化，不同于依赖显式正则化项的传统方法。所提出的估计器旨在通过结合多标签信息的潜在语义理解来减少偏差并可能减轻过拟合。 AI

排序理由这是一篇发表在arXiv上的研究论文，详细介绍了一种新方法。[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 →

报道来源 [1]

arXiv cs.AI TIER_1 Română(RO) · Dou El Kefel Mansouri, Khalid Benabdeslem, Seif-Eddine Benkabou · 2026-06-02 04:00

Implicit Regularization for Multi-label Feature Selection

arXiv:2411.11436v2 Announce Type: replace-cross Abstract: In this paper, we address the problem of feature selection in the context of multi-label learning, by using a new estimator based on implicit regularization and label embedding. Unlike the sparse feature selection methods …