本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：工作論文
- 編號：工作論文 #1376
- 日期：2026-03-18
摘要
我們提出了一種計算學習演算法的「噪音敏感度特徵」的方法，該方法基於對訓練資料的各個部分的類別的輸出進行加擾。此簽章可用於指示分類器的複雜性和資料的複雜性之間的良好（或不良）匹配，從而提高分類演算法的預測準確性。使用雜訊敏感度簽章與避免過度訓練的其他方案明顯不同，例如僅使用部分訓練資料的交叉驗證，或不具有資料自適應能力的各種懲罰函數。噪音敏感性簽名方法使用所有訓練數據，並且明顯是數據自適應的和非參數的。它們非常適合訓練資料有限的情況。