研究提出DSCA符号回归系数校准策略

2026年10月9日，arXiv机器学习领域发布研究，提出Dirichlet-Sinkhorn常数平均（DSCA）校准策略。该方法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，从而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结果表明，相比集中式BFGS和Levenberg-Marquardt校准，DSCA在负对数似然、AIC及BIC等模型选择标准下，均显著提升了函数恢复表现，并优化了精度与复杂度之间的权衡。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。