跳到正文
热点事件持续更新

BPT 与 BPF 平衡权重估计算法提出

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

Felipe Angelim 与 Alessandro Leite 提出 BPT 与 BPF 算法,通过 Bregman 散度最大化互信息或降低权重平方误差,用于观测因果推断中的平衡权重估计。 该算法在 17 个场景中表现最佳,单棵树在 16512 个观测值上拟合仅需 0.14 秒,能限制逆概率加权估计器的偏差,显著提升因果推断效率。

AI 根据报道生成 · 12 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · ML
    Balancing Partition Forest 用于因果加权

    Balancing Partition Forest (BPF) 通过 Bregman 散度最大化互信息或降低权重平方误差,在 17 个场景中表现最佳。 单棵树在 16,512 个观测值上拟合仅需 0.14 秒。 该方法能限制逆概率加权估计器的偏差,显著提升因果推断效率。

本事件热度走势

可比范围当前
7
可比范围峰值
911月19日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。