学者提出数据依赖事件概率估计统一框架
Start here
2026年11月2日，arXiv 机器学习板块发布的一项研究提出了数据依赖事件概率估计的统一框架。该框架涵盖经典遗漏质量（missing mass）、自适应数据分析目标及预测器测试误差估计。针对结合基础分类器与记忆例外的预测器，研究构建了自适应遗漏质量问题，并提出了局限于选定区域的 Good-Turing 混合估计器。此外，研究还进一步推导出了两个误差理论上界，分别基于可能错误区域的 VC 维，以及所选区域与样本的互信息。
AI-generated from reports · Updated 4 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 机器学习数据依赖事件概率估计的统一框架
研究提出了数据依赖事件概率估计的统一框架，涵盖经典遗漏质量（missing mass）、自适应数据分析目标及预测器测试误差估计。针对结合基础分类器与记忆例外的预测器，研究构建了自适应遗漏质量问题，并提出局限于选定区域的 Good-Turing 混合估计器。研究进一步推导出基于可能错误区域 VC 维以及所选区域与样本互信息的两个误差理论上界。
Story heat trend
Current heat 9·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.