arxiv：2311.12624v3 [cs.lg] 2024年4月10日__

arxiv：2311.12624v3 [cs.lg] 2024年4月10日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arxiv：2311.12624v3 [cs.lg] 2024年4月10日

¥ 1.0

热度

摘要。机器学习（ML）和算法信息理论（AIT）从不同的角度探讨了复杂性。我们通过通过稀疏内核流的方法对学习内核，内核岭回归中学习核的问题，在数据中学习核的问题，探索AIT和内核方法之间的接口（在ML中普遍存在）。特别是，通过查看最小描述长度（MDL）和机器学习（RML）的正则化之间的差异和共同点，我们证明稀疏核流的方法是采用自然的方法，可以从数据中学习内核。这种方法与MDL原理保持一致，比现有对交叉验证的依赖更加强大的理论基础。该研究表明，得出稀疏的内核流不需要统计方法。取而代之的是，人们可以直接参与代码长度和复杂性，这是AIT中心的概念。因此，这种方法为使用AIT的工具重新制定机器学习算法打开了大门，目的是为它们提供更扎实的理论基础。

添加pdf代下载 VIP点击下载文件