arXiv 机器学习· Mattia Billa, Veronica Guidetti, Federica Mandreoli·· 4 小时前AI 评分30
符号回归中作为选择压力的系数校准研究
Coefficient Calibration as Selection Pressure in Symbolic Regression
AI 导读
研究提出 Dirichlet-Sinkhorn 常数平均（DSCA）校准策略，通过将数据划分为不同协变量分布的等大小子集并在所得参数均值处评估候选结构，为符号回归引入异质校准选择压力。在合成基准与 10 个真实数据集上的测试表明，相比集中式 BFGS 和 Levenberg-Marquardt 校准，DSCA 在负对数似然、AIC 及 BIC 选择下均提升了函数恢复表现并优化了精度-复杂度权衡。
来源：arXiv 机器学习 · arxiv.org