Global Convex Blend

地下水位预测研究强调迁移学习中的准确性-风险权衡

一篇新研究论文探讨了在地下水位异常预测的迁移学习中准确性与风险之间的权衡。该研究侧重于荷兰多个井的上下文感知选择性学习（CASL），发现预训练可以提高平均准确性，但也可能降低相当一部分井的性能。CASL 结合了冻结的无迁移和固定的迁移模型，与无迁移学习相比，其 RMSE 得到改善，并挽救了大量受固定迁移损害的井，尽管 CASL 和 Global Convex Blend 均未始终占优，这表明部署时存在准确性-风险权衡。