针对稀疏相关回归器的纠错算法
机器学习
2019-06-19 v1 机器学习
摘要
机器的自主性与适应性要求它们能够测量自身的错误。我们考虑当机器必须测量回归任务中的误差时，这种方法所具有的优势与局限。当机器没有正确预测的 ground truth 时，它如何测量回归子组件的误差？将压缩感知方法应用于回归器的误差信号，可以在无任何 ground truth 的情况下恢复其精度误差。该方法允许部分回归器存在强相关，只要强相关的数量不过多即可。然而，其解并不唯一——这是 ground truth 推断解的一个性质。在可进行纠错的设置中，加入 最小化作为条件可以恢复正确解。我们简要讨论了回归器 ground truth 推断与分类器 ground truth 推断在数学上的相似性。
引用
@article{arxiv.1906.07291,
title = {Error Correcting Algorithms for Sparsely Correlated Regressors},
author = {Andrés Corrada-Emmanuel and Edward Zahrebelski and Edward Pantridge},
journal= {arXiv preprint arXiv:1906.07291},
year = {2019}
}