Cubas

新的CuBAS框架使用信息几何进行自适应数据采样

研究人员开发了CuBAS（基于曲率的自适应采样），一种用于监督分类任务选择信息丰富数据点的新颖框架。该方法利用信息几何，将标记数据集视为统计流形，其中源自Fisher信息的局部曲率指示数据复杂度。CuBAS构建k近邻图并计算曲率得分，以识别几何复杂度高和低的区域，从而能够创建紧凑但信息丰富​​的训练子集。在众多基准数据集上的实证结果表明，CuBAS的性能始终优于随机采样和基于不确定性的方法，具有计算效率和理论基础。