基于空间-sign 方法的高维稀疏二次判别分析
计算与语言
2025-04-16 v1 人工智能
摘要
本文研究了高维稀疏二次判别分析 (QDA) 的问题。我们提出了一种新的分类方法，称为 SSQDA，其通过基于样本空间中位数和空间 sign 协方差矩阵构建，假设遵循椭圆对称分布。所提出的分类器被证明在广泛的参数空间上实现最佳收敛率，误差为对数因子。大量仿真研究和真实数据应用表明，SSQDA 在存在重尾分布时既稳健又高效，凸显了其在高维分类任务中的实用优势。
引用
@article{arxiv.2504.11186,
title = {Benchmarking Next-Generation Reasoning-Focused Large Language Models in Ophthalmology: A Head-to-Head Evaluation on 5,888 Items},
author = {Minjie Zou and Sahana Srinivasan and Thaddaeus Wai Soon Lo and Ke Zou and Gabriel Dawei Yang and Xuguang Ai and Hyunjae Kim and Maxwell Singer and Fares Antaki and Kelvin Li and Robert Chang and Marcus Tan and David Ziyou Chen and Dianbo Liu and Qingyu Chen and Yih Chung Tham},
journal= {arXiv preprint arXiv:2504.11186},
year = {2025}
}
备注
83 pages, 6 figures, 3 tables, 9 supplementary figures, 7 supplementary tables