arXiv · cs.AI · George Dimitriadis, Damian Machlanski, Paul Clarke, Spyridon Samothrakis · 2 小时前模型评分35
研究重新审视 GA2M：CoGA2M 在 TALENT 基准与分布偏移下的表现
Rethinking GA2Ms: performance and out-of-distribution generalisation
导读
研究提出多分辨率高阶复合广义加性模型 CoGA2M，在 TALENT 基准的 29 个回归和 32 个分类基线中均进入前三分之一。团队还扩展出存在训练-测试分布偏移的分布外（OOD，Out-of-Distribution）数据划分，CoGA2M 在该设定下优于 LightGBM，显示加性结构在分布偏移下具有此前未被认识的优势。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We propose a multi-resolution, higher-order Composite Generalised Additive Model (CoGA2M) and evaluate it on the TALENT benchmark suite.”
来源：arXiv · cs.AI · arxiv.org