关键词optimization criterion
搜索结果 - 3
- CVPR通过在难样本上进行元学习以提高泛化能力
学习重加权(LRW)方法用优化准则分配训练实例权重,以在代表性验证数据集上最大化性能。我们提出并形式化了在 LRW 训练中优化选择验证集的问题,以提高分类器的泛化能力。使用难以分类的实例作为验证集,在理论上与实证的有效性存在强烈的关联。我们 - 时间序列的早期分类。基于成本的优化标准和算法
本文提出了一种采用新的优化准则的分类算法,该准则考虑了分类错误的成本和等待决策的成本,并尝试通过使用聚类或分类器来减少误判和延迟的影响,实验结果表明,这种方法优于传统的基于经验策略的方法。
- 基于贝叶斯的个性化排名算法:从隐式反馈中学习
本文研究了使用隐式反馈(点击、购买等)的个性化推荐任务,提出了一种基于贝叶斯分析的最大后验估计通用优化准则(BPR-Opt)和基于随机梯度下降与自助抽样的通用学习算法。实验证明,该方法优于矩阵分解和自适应 k 最近邻两种先前的标准学习技术。