Sparse SVMs

新框架计算非光滑机器学习模型的 NML

研究人员开发了一个新的理论框架，用于计算现代机器学习中常见的非光滑模型的归一化最大似然 (NML)。该方法利用几何测度论和自动微分来确保理论一致性。为了实现这一点，他们引入了一种新的几何 MCMC 算法，称为 Propose-and-Project Metropolis-Hastings (PDL-PPMH)，该算法可以导航不可微的水平集。该方法被证明是交叉验证的一种数据高效替代方案，在无需分割数据的情况下实现了可比的预测性能。