Amazon Sentiment

新研究通过同伴模型探测解决机器学习过拟合问题

一篇新的研究论文探讨了机器学习中的“过拟合陷阱”，即优化现有用户群体的平台可能导致全局性能任意变差。该论文提出了一种受知识蒸馏启发的“同伴模型探测”算法，允许模型从未选择它们的用户那里学习。如果探测源信息足够丰富，该方法可以收敛到一个风险有界的平稳点，这在MovieLens、Census和Amazon Sentiment数据集的实验中得到了证明。