关键词estimation error bound
搜索结果 - 5
- ICML带区间目标的弱监督回归
本文研究了一种弱监督回归设置,称为区间目标回归 (RIT),提出了一种新的统计模型,分析了一种简单的选择方法和一种统计一致的限制方法,并进一步推导了该方法的估计误差界限。针对不同数据集的实验结果证明了该方法的有效性。
- ICML多标签互补学习
本文提出一种新的问题设置方法,允许每个例子有多个补充标签(MCLs)并探讨两种学习 MCLs 的方法:对 MCLs 进行分解以便使用任何带有 CLs 的学习方法,或者使用一个无偏风险估计值并将每组 MCLs 一起处理.
- ICML正样本、无标记样本和有偏负样本数据分类
本文提出一种新的分类框架来解决二元分类中负数据种类过于多无法完全标注的情况,并引入一种基于实验风险最小化的方法来解决这个问题,方法中使用的每个示例的权重是通过受到正例样本 - 未标记负例样本学习的启发式预处理步骤计算的,并针对所提出的方法导 - 稀疏性下的高效分布式学习
提出了一种新颖、高效的分布式稀疏学习方法,可在高维度中随机分割观测数据,并在通信效率方面展现极佳的表现。
- 关于预测稀疏编码的样本复杂度
本文研究预测性稀疏编码的推广性能,提出了学习界限并通过稳定性特征刻画了稀疏编码器的性质,进而在超完备和高维情况下提供了精确的估计.