基数感知的集合预测与 Top-$k$ 分类
机器学习
2024-07-12 v1 机器学习
摘要
我们详细研究了基数感知的 top- 分类，这是一种旨在保持准确的 top- 集预测器同时保持低基数的新方法。我们引入了针对这一设定的新目标损失函数，该损失函数考虑了分类误差和预测集的基数。为优化该损失函数，我们提出了两种代理损失函数族：代价敏感的 comp-sum 损失和代价敏感的受约束损失。最小化这些损失函数导致我们提出的新的基数感知算法，这些算法在本文中对 top- 和阈值基分类器中均进行了详细描述。我们为基数感知代理损失函数建立了 一致性界限，从而为我们的算法提供了强大的理论基础。我们在 CIFAR-10、CIFAR-100、ImageNet 和 SVHN 数据集上报告了大量实验结果，证明了我们基数感知算法的有效性和优势。
关键词
引用
@article{arxiv.2407.07140,
title = {Cardinality-Aware Set Prediction and Top-$k$ Classification},
author = {Corinna Cortes and Anqi Mao and Christopher Mohri and Mehryar Mohri and Yutao Zhong},
journal= {arXiv preprint arXiv:2407.07140},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:2403.19625