Juan Manuel Gorriz Saez

新理论统一了机器学习中的泛化、验证和信息融合

提出了一个新的理论框架 gamma-CUBV，用于统一机器学习中的泛化、验证和信息融合。该框架通过累积量包络控制泛化差距，推广了交叉上界验证 (CUBV)，涵盖了包括 PAC-贝叶斯和异构源融合设置在内的各种风险界限。对于 K 折交叉验证，该理论引入了一个有效的折数 Keff，它考虑了折之间的依赖性，表明增加 K 并不总是能增强统计证据。该研究还将范围扩展到后验分布和加权多源融合，为异构小样本应用提供了原则性的验证标准。