N²：用于基于最近邻的矩阵完成的统一 Python 包与测试平台
机器学习
2026-02-16 v2 统计计算
机器学习
摘要
最近邻（NN）方法重新成为矩阵完成的有力工具，提供了强大的经验性能和近期的理论保证，包括逐元素误差界、置信区间和极小极大最优性。尽管其简单性，近期的研究表明 NN 方法对多种缺失模式具有鲁棒性，并在多样化的应用中有效。本文介绍了 N²，一个统一的 Python 包和测试平台，通过模块化、可扩展的接口整合了广泛的 NN 方法。N² 面向研究人员和实践者，支持快速实验和基准测试。利用该框架，我们提出了一种新的 NN 变体，在多个设置中取得了最先进的结果。我们还发布了一套真实世界数据集的基准套件，涵盖医疗、推荐系统、因果推断和 LLM 评估等领域，旨在超越合成场景对矩阵完成方法进行压力测试。我们的实验表明，虽然经典方法在理想化数据上表现优异，但基于 NN 的技术在真实场景中始终优于它们。
引用
@article{arxiv.2506.04166,
title = {N$^2$: A Unified Python Package and Test Bench for Nearest Neighbor-Based Matrix Completion},
author = {Caleb Chin and Aashish Khubchandani and Harshvardhan Maskara and Kyuseong Choi and Jacob Feitelberg and Albert Gong and Manit Paul and Tathagata Sadhukhan and Anish Agarwal and Raaz Dwivedi},
journal= {arXiv preprint arXiv:2506.04166},
year = {2026}
}
备注
21 pages, 6 figures