arXiv 机器学习· Anthony Lavertu, Jacob Cote, Sophie Gobeil, Jacques Corbeil, Isabeau Premont-Schwarz, Pascal Germain·· 5 小时前AI 评分36
ReLaG：面向潜在关联数据的可扩展数据集划分框架
ReLaG: A Scalable Framework Generalizing Random Splits to Data with Latent Relations
AI 导读
研究人员推出开源框架 ReLaG，通过层次潜在变量过程和邻近图社区检测划分具有潜在关联的数据，生成真正独立的训练与测试子集。在分子与蛋白质数据集上，ReLaG 相比现有方法扩展性显著更优，支持无标签分辨率调整以对齐部署场景，并能低成本估算有效数据集规模。该项目目前已开源，可通过 pip install relag 安装。
来源：arXiv 机器学习 · arxiv.org