PulseAugur
中
实时 13:54:37
实体 Failing Loudly: An Empirical Study of Methods for Detecting Dataset Shift

Failing Loudly: An Empirical Study of Methods for Detecting Dataset Shift

PulseAugur coverage of Failing Loudly: An Empirical Study of Methods for Detecting Dataset Shift — every cluster mentioning Failing Loudly: An Empirical Study of Methods for Detecting Dataset Shift across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_284742 ·

    新研究解决了大规模电子商务机器学习中的概念漂移检测问题

    一篇新研究论文探讨了在大规模电子商务机器学习运营中检测概念漂移的方法。该研究评估了五种多变量双样本漂移检测器,发现基于 Apache Spark 的分布式最大均值差异(Maximum Mean Discrepancy)结合随机傅里叶特征(Random Fourier Features)具有良好的可扩展性。相比之下,逐维柯尔莫哥洛夫-斯米尔诺夫检验(Kolmogorov-Smirnov test)由于高基数特征的统计饱和问题而显得不适用…