TPAMI 论文统一了 Bregman 距离与学习 surrogate loss
FrnkNlsn · x · 2026-07-23
这是一篇发表在 IEEE TPAMI 的论文，作者是 Richard Nock 和 Frank Nielsen，主题是 Bregman divergence 与学习中的 surrogate loss。
论文摘要里给出的核心结论是：它把分类校准的 surrogate risk 与若干常见假设联系起来，并推导了凸/非凸 surrogate 的等价形式。作者还指出，不同的算法表面上看起来不同，但在加性回归、逻辑回归损失、以及 CART/C4.5 这类自顶向下归纳中，背后共享同一种“母算法”结构。
论文最后还在 40 个可用数据域 上做了实验，说明这套统一视角不仅是理论推导，也能落到实际效果上。
「研究」频道最新
- 基于 1500 万条人机交互的 AI 经济分析发布 — JMateosGarcia · 2026-07-23
- AI 语音钓鱼已能接近真人诈骗效果，成本更低 — MyFest · 2026-07-23
- AI 科学家大会 2026 用 AI+人工流程审 200 多篇投稿 — paraschopra · 2026-07-23
- COLMAP 主分支合并 DEGENSAC，平面场景重建更强 — ducha_aiki · 2026-07-23
- 字节新基准戳破GUI Agent神话：最强模型专业软件实操通过率仅30% — 机器之心 · 2026-07-23
- Gemma 研究发现，物理规律编码在隐藏状态关系中 — ProfBuehlerMIT · 2026-07-23