Hellinger决策树密度比估计提出
热点事件持续更新
Hellinger决策树密度比估计提出
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
一篇新论文提出了一种直接估计对数密度比的方法。该方法通过最小化平衡Hellinger风险,训练轴对齐决策树加性集成。 在满足尾部及Hölder光滑度条件下,该估计器的收敛速率与经典极小极大最优L^2速率相匹配(仅差对数因子)。
AI 根据报道生成 · 15 小时前更新
最新进展11月20日 13:00
Hellinger 决策树用于密度比估计:有限样本保证报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · MLHellinger 决策树用于密度比估计:有限样本保证
论文提出了一种直接估计对数密度比的方法,通过最小化平衡 Hellinger 风险训练轴对齐决策树加性集成。 在满足尾部及 Hölder 光滑度条件下,估计器的收敛速率与经典极小极大最优 L^2 速率匹配(差对数因子)。 该方法利用了 Hellinger 风险的指数结构优化分析,无需依赖理想化的经验风险最小化器即可建立统计收敛保证。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 911月20日 15:00
- 近 24 小时变化
- –
02.557.510
15:0018:0021:0011月21日03:00
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。