研究论文揭示Jensen-Shannon散度估计中的不一致性

一篇新发表在arXiv上的研究论文强调了对合成表格数据估计Jensen-Shannon散度时存在显著的不一致性。研究表明，不同的估计协议可能导致不可比较的散度值，基于边缘的估计器通常会通过忽略依赖性来低估散度，而基于分类器的估计器则能捕捉联合结构，但对所用特定估计器的敏感度很高。研究人员提出了一种对基于分类器的估计进行后验校正的方法，并提供了实用的指南和一个开源工具来解决这些协议依赖性，以实现更有意义的比较。 AI

影响 强调了评估合成数据质量的关键问题，影响模型开发和基准测试。

排序理由 发表在arXiv上的研究论文，详细介绍了关于数据散度估计的技术发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• Influence Flower
• Jensen-Shannon divergence
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →