高维正置信度数据稀疏分类

Research Paper#Machine Learning, High-Dimensional Statistics, Sparse Learning, Weak Supervision🔬 Research|分析: 2026年1月3日 17:12•
发布: 2025年12月30日 19:53
•
1分で読める
•ArXiv

分析

本文解决了仅有带置信度评分的正样本（正置信度或 Pconf 学习）进行高维分类的挑战。它提出了一个新颖的稀疏惩罚框架，使用 Lasso、SCAD 和 MCP 惩罚来改进这种弱监督设置下的预测和变量选择。本文提供了理论保证和高效的算法，证明了其性能与完全监督方法相当。
引用 / 来源
查看原文
"The paper proposes a novel sparse-penalization framework for high-dimensional Pconf classification."
A
ArXiv2025年12月30日 19:53
* 根据版权法第32条进行合法引用。
较旧

Skein relations on punctured surfaces

较新

Automated Market Making for Energy Sharing

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv