跳到正文

READZER / 全球行业情报

行业观察台

重要变化,持续跟进。

11月22日 · UTC

阅读工作台
最新优先

摘要预览

返回动态

提出用于分类的新核度量置信分数

arXiv cs.LG (Machine Learning) RSS Feed ·

你需要知道

研究人员提出一种新的核度量——置信分数,它衡量核投影与真实标签编码的对齐程度,而非要求同类样本全部相似。实验表明,在真实与合成数据集上,该分数与多种核的分类准确率的相关性高于若干现有度量。

载入阅读状态…

来源与证据

arXiv cs.LG (Machine Learning) RSS Feed原文语言 · und ·

原作者:Elizabeth Hofer, Martin v. Mohrenschildt · arXiv Readzer provides an abridged translation. CC0.来源许可

各行业推荐理由
  • 科技与数字产业

    该研究提出一种可复现的核度量,并展示其与分类准确率的相关性,对软件行业的机器学习算法开发具有参考价值。

这里提供经过审核的摘要,完整文章请前往原始来源。