پژوهش
مدل CoGA2M برای سنجش عملکرد و تعمیم‌پذیری GAMها معرفی شد
پیش‌چاپی در arXiv از مدلی افزایشی با ساختار چندوضوحی و مرتبه‌بالا خبر می‌دهد که در مجموعه‌بنچمارک TALENT ارزیابی شده است.
مدل‌های افزایشی تعمیم‌یافته (GAM) به‌دلیل پیش‌بینی‌های شفاف، از روش‌های مهم یادگیری ماشین تفسیرپذیر هستند. نویسندگان پیش‌چاپی در arXiv می‌گویند دو خلأ در ارزیابی نسخه‌های مبتنی بر spline این مدل‌ها باقی مانده است: بنچمارک جامع در مسائل بزرگ‌مقیاسِ داده‌های جدولی و بررسی مقاومت آن‌ها در برابر تغییر توزیع داده‌ها.
پژوهشگران مدلی با نام CoGA2M پیشنهاد کرده‌اند که ساختاری ترکیبی، چندوضوحی و مرتبه‌بالا دارد. این مدل در مجموعه‌بنچمارک TALENT ارزیابی شده و، طبق چکیدهٔ پیش‌چاپ، در میان همهٔ مدل‌های پایه در یک‌سوم بالایی رتبه گرفته است. چکیدهٔ در دسترس دربارهٔ نتایج مشخص مدل در شرایط تغییر توزیع توضیح بیشتری نمی‌دهد.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده