实体
hinge loss
hinge loss
PulseAugur coverage of hinge loss — every cluster mentioning hinge loss across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
New sampling bounds achieve optimal error for regularized classification
研究人员为正则化分类开发了新的采样界限，在广泛的 Lipschitz 连续损失函数上实现了最优的 $(1\pm\varepsilon)$-相对误差。该研究提出了改进的采样复杂度界限，具体来说，对于 L2 正则化是 $k^2/\varepsilon^2$，对于 L1 正则化是 $k/\varepsilon^2$。这些发现依赖于简单的均匀或范数采样，并且通过改进的论证来避免重复计数问题，显著优于之前的敏感性采样界限。
-
新的RFLkPC方法可鲁棒地处理k平面聚类中的异常值
研究人员推出了一种名为鲁棒模糊局部k平面聚类（RFLkPC）的新方法，以解决传统k平面聚类的局限性。这种新方法结合了铰链损失和L1范数，创建了混合距离，使其更能抵抗异常值。RFLkPC模型还假设聚类是有限的，从而提高了在有或没有异常值任务中的性能。在模拟和真实数据上的实验证明了该方法的有效性，并且源代码是公开可用的。