基于特征的性能预测模型的泛化能力：跨基准的统计分析
机器学习
2024-05-22 v1 神经与进化计算
摘要
本研究考察了算法性能预测模型在各种基准测试套件上的泛化能力。通过比较问题集合之间的统计相似性与基于探索性景观分析特征的性能预测模型的准确性，我们观察到这两个度量之间存在正相关。具体地，当训练集和测试集之间的高维特征值分布缺乏统计显著性时，模型往往能够很好地泛化，即测试误差与训练误差处于相同范围。两个实验验证了这些发现：一个涉及标准基准套件BBOB和CEC集合，另一个使用五个BBOB问题实例的仿射组合集合。
引用
@article{arxiv.2405.12259,
title = {Generalization Ability of Feature-based Performance Prediction Models: A Statistical Analysis across Benchmarks},
author = {Ana Nikolikj and Ana Kostovska and Gjorgjina Cenikj and Carola Doerr and Tome Eftimov},
journal= {arXiv preprint arXiv:2405.12259},
year = {2024}
}
备注
To appear in the Proc. of the 2024 IEEE World Congress on Computational - Congress on Evolutionary Computation