arXiv stat.ML· Guanhao Zhou, Xiufan Yu·· 2 小时前AI 评分16
从失衡到证据：严重样本失衡下复杂数据的深度非参数检验
From Imbalance to Evidence: Deep Nonparametric Testing for Complex Data under Severe Sample Imbalance
AI 导读
针对严重样本失衡下复杂数据（如图结构）的分布比较难题，研究者提出 EIAD-C2ST——一种分类器无关的深度双样本检验框架，将多数类样本盈余转化为重复检验证据而非训练干扰。该方法为计算昂贵的深度分类器设计了可扩展的表示摊销实现，并从理论上给出了渐近 size 保证及失衡比可发散时的 power 一致性条件。模拟实验与区块链取证应用显示，合理利用多数类样本盈余可提升分布比较的检验效果。
来源：arXiv stat.ML · arxiv.org