arXiv 论文提出极值二分类新方法
热点事件持续更新
arXiv 论文提出极值二分类新方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
arXiv 机器学习分类下发布一篇论文，提出"极值二分类"问题：学习假阴性率 α 受 ε_{N₁}=o(1/N₁) 约束的分类器，N₁ 为训练集正样本数。作者 Samuel Gruffaz 等为此提出基于极值理论保证的阈值自适应方法，以及基于样本极大值置换检验的特征选择流程。 论文称，该方法在四个不同规模的公开数据集上优于现有 SOTA 方法，并在癌症筛查数据集上展示出可解释性。上述比较结果与可解释性均为作者在论文中的说法。
AI 根据报道生成 · 1 小时前更新
最新进展10月8日 12:00
极值二分类：假阴性率极低约束下的极值理论方法报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv：cs.LG极值二分类：假阴性率极低约束下的极值理论方法
研究者提出"极值二分类"问题，目标是学习假阴性率 α 受 ε_N₁=o(1/N₁) 约束的分类器，其中 N₁ 为训练集正样本数。为此提出基于极值理论保证的阈值自适应方法，以及基于样本极大值置换检验的特征选择流程。在四个不同规模真实数据集上，该方法优于现有 SOTA 方法，并在癌症筛查数据集上展示了可解释性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。