基于非线性特征映射的小样本学习
机器学习
2022-04-01 v1
摘要
本工作中我们考虑后经典设定下的数据分类问题，其中训练样本仅由极少数据点构成。我们探究该现象并揭示 AI 模型特征空间维度、数据分布非退化性与模型泛化能力之间的关键关系。当前分析的主旨在于非线性特征变换将原始数据映射至更高乃至可能无限维空间后对所得模型泛化能力的影响。在适当假设下，我们建立了变换后数据的内在维度与从少量呈现中成功学习的概率之间的新关系。
引用
@article{arxiv.2203.16935,
title = {Learning from few examples with nonlinear feature maps},
author = {Ivan Y. Tyukin and Oliver Sutton and Alexander N. Gorban},
journal= {arXiv preprint arXiv:2203.16935},
year = {2022}
}