研究者提出无标签线性规划数据集剪枝方法

Rodrigo Schuller 与 Francisco Ganacim 提交论文，提出一种无标签、无需模型训练的数据集剪枝方法。该方法把无偏子集选择重构为方差最小化问题，并在高维多胞形上构造顶点游走算法来近似优化该目标。 在 CIFAR-10、MNIST 和 CelebA 上，该方法在每个评估预算下的平均测试准确率均达到或超过均匀采样，并在多个设置中优于现有几何方法，尤其在小选择预算下表现突出。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。