会员服务
学习方法的泛化能力（Generalization Error）是由该方法学习到的模型对未知数据的预测能力，是学习方法本质上重要的性质。现实中采用最多的办法是通过测试泛化误差来评价学习方法的泛化能力。泛化误差界刻画了学习算法的经验风险与期望风险之间偏差和收敛速度。一个机器学习的泛化误差（Generalization Error），是一个描述学生机器在从样品数据中学习之后，离教师机器之间的差距的函数。
Tighter CMI-Based Generalization Bounds via Stochastic Projection and Quantization
Arxiv
0+阅读 · 10月27日
One-Bit Quantization for Random Features Models
Arxiv
0+阅读 · 10月17日
FedLoDrop: Federated LoRA with Dropout for Generalized LLM Fine-tuning
Arxiv
0+阅读 · 10月14日
How Patterns Dictate Learnability in Sequential Data
Arxiv
0+阅读 · 10月12日
Unveiling the Power of Multiple Gossip Steps: A Stability-Based Generalization Analysis in Decentralized Training
Arxiv
0+阅读 · 10月9日
High-dimensional Analysis of Synthetic Data Selection
Arxiv
0+阅读 · 10月9日
Learning Linear Regression with Low-Rank Tasks in-Context
Arxiv
0+阅读 · 10月6日
Risk Phase Transitions in Spiked Regression: Alignment Driven Benign and Catastrophic Overfitting
Arxiv
0+阅读 · 10月1日
Statistical Learning Guarantees for Group-Invariant Barron Functions
Arxiv
0+阅读 · 9月27日
Sobolev norm inconsistency of kernel interpolation
Arxiv
0+阅读 · 9月29日
Mutual Information Free Topological Generalization Bounds via Stability
Arxiv
0+阅读 · 7月9日
Reward Model Generalization for Compute-Aware Test-Time Reasoning
Arxiv
0+阅读 · 5月23日
Lean Formalization of Generalization Error Bound by Rademacher Complexity
Lean Formalization of Generalization Error Bound by Rademacher Complexity
Arxiv
0+阅读 · 4月1日
Partial Transportability for Domain Generalization
Arxiv
0+阅读 · 3月30日
Lean Formalization of Generalization Error Bound by Rademacher Complexity
Arxiv
0+阅读 · 3月25日
参考链接
父主题
机器学习
微信扫码咨询专知VIP会员
Top