研究人员开发了一种在高维环境中校准线性二分类器的新方法。该技术称为角度校准，利用估计权重向量和真实权重向量之间的角度来创建校准良好的预测器。这种方法被证明是最优的，并且可以一致地估计，在某些条件下，经典的Platt缩放被证明可以收敛到这个最优解。 AI
排序理由 该集群包含一篇详细介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
新的角度校准方法为高维分类器提供可证明的最优性
报道来源 [1]
-
高维二分类中的最优且可证明的校准：角度校准与Platt缩放
arXiv:2502.15131v4 Announce Type: replace-cross Abstract: We study the fundamental problem of calibrating a linear binary classifier of the form $\sigma(\hat{w}^\top x)$, where the feature vector $x$ is Gaussian, $\sigma$ is a link function, and $\hat{w}$ is an estimator of the t…