★ 2
CRISP：面向不平衡表格学习的可扩展重要性分层核心集
针对大规模不平衡表格数据上梯度提升树训练成本高的问题，论文提出 CRISP 方法，按代理模型分数的分位数分层分配负类预算，并用逆倾向权重校正采样偏差。在生产欺诈数据集上减少 95% 负类样本、总训练行数减少 93.2% 时，仍保留全量数据 99.7% 的平均精度。
arXiv cs.LG39 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
针对大规模不平衡表格数据上梯度提升树训练成本高的问题，论文提出 CRISP 方法，按代理模型分数的分位数分层分配负类预算，并用逆倾向权重校正采样偏差。在生产欺诈数据集上减少 95% 负类样本、总训练行数减少 93.2% 时，仍保留全量数据 99.7% 的平均精度。
论文提出 BARGE，一种结合有界先验调整密度幂分数与可靠性引导角度几何的单阶段目标，用于处理类别不平衡与标签噪声的耦合失效问题。其分类分数在调整概率空间中严格恰当，有限范围可约束分类风险扰动，且无需噪声率或转移矩阵。在 CIFAR-10/100 与 Tiny ImageNet 上，所有六种数据-…