resampling methods | BriefGPT

关键词resampling methods

搜索结果 - 7

具有非重尾高斯损失加权采样器的稳健时序预测
预测多元时间序列的计算密集型任务中，重采样方法无法解决重尾分布损失的问题，为此我们引入了一种新的方法：高斯损失加权采样器，通过乘以高斯分布权重来减少选择极低或极高损失样本的概率，优化了训练效率并提高了预测质量。
PDF17 days ago
高维正则化回归中的自举和子抽样分析
研究使用重新采样方法估计统计模型的不确定性，探讨其在高维监督回归任务中的性能，特别关注广义线性模型和过参数化区域下的预测一致性与可靠性。
PDF5 months ago
在线时间序列自举
这篇文章介绍了一种新颖的 Bootstrap 方法，其针对数据依赖关系进行处理，并可在线执行，特别适用于实时应用。作者证明了该 Bootstrap 方案在一般条件下的理论有效性，并通过大量模拟实验表明它能够在复杂的数据依赖关系存在的情况下提
PDF8 months ago
在非标准环境下评估机器学习模型：概述与新发现
在非标准设置中，本文试图提供针对一般化误差在集群数据、空间数据、不均匀采样概率、概念漂移和分层结构结果等各种非标准情况下的估计的深入指南，结合现有方法的综述和模拟研究，揭示了标准重样本方法通常在非标准设置中导致偏倚的问题，强调了定制化的一般
PDF8 months ago
纵向随访中罕见事件的预测模型和重采样方法
研究模型构建和重要性采样对长期随访研究中稀有事件预测的影响及其验证方法
PDFa year ago
处理不平衡多标签数据集中的难缩小分类问题
本研究深入分析了困难标签在多标签分类中的影响，并提出了一种新的解决方法，通过 SCUMBLE 和 REMEDIAL 度量标签的并发性并解耦高度不均衡的标签。
PDF6 years ago
互信息度量下针对无参数和健壮特征选择的重新采样方法
本研究提出了一种将互信息准则与前向特征选择策略相结合的方法，在平衡所选特征子集的最优性和计算时间方面具有很好的折衷。同时，为了解决互信息估计器的参数设置和决定何时停止前向过程等问题，使用了重采样方法、K 交叉验证和置换检验。这一程序在合成数
PDF17 years ago