实体
Linear classifiers by window training
Linear classifiers by window training
PulseAugur coverage of Linear classifiers by window training — every cluster mentioning Linear classifiers by window training across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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 2 条
-
新研究探讨带偏置项的线性分类器中的良性过拟合
研究人员 Yuta Kondo 和 Hashimoto 等人扩展了对线性回归模型中良性过拟合的分析。他们的工作现在包括带偏置项的分类器，这是先前类似研究中排除的一个特征。发现添加截距项会扰乱噪声的格拉姆矩阵，引入影响泛化能力的新约束。这些约束的影响因噪声的协方差而异，其中标签噪声的影响最强。
-
新研究量化了AI公平性审计中不可避免的操纵
一篇新的研究论文探讨了自动化决策系统中公平性审计的固有局限性。该研究量化了即使在有限的审计资源下也可能发生的不可避免的操纵，将问题构建为公司与预算受限的审计员之间的最小-最大优化问题。研究结果确立了审计后人口统计均值偏差的下界，表明虽然增加审计资源可以减少操纵，但无法完全消除它。