选择性标签下的表演性预测鲁棒优化方法

研究者 Giovani Valdrighi 等人提出并形式化了“选择性标签下的表演性预测”问题：当只能观测到被接受子集的标签时，仅用这些观测数据重训练会误导过程，并破坏收敛到稳定解的保证。 他们提出基于正标签概率置信区间的最坏情况目标，并对其做重复风险最小化（RRM），可将结果保持在真实稳定点的有界距离内。在带公平正则化的借贷实验中，该方法的性能接近拥有完整标签访问权的 RRM。

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。