#集成学习

共 3 篇相关文章

新研究对比三阶段门控级联、扁平模型与标签相关性模型在视网膜眼底多标签分类中的表现，发现分阶段设计无优势，标签相关性集成模型在六项指标上最佳，并揭示数据集捷径问题。

研究揭示LLM测试时加权集成中标注问题数Q与生成次数N的双样本量权衡，证明缓冲ERM达到Q^{-1/2}+N^{-β/2}超额风险，并发现三类学习机制与N^{-β}识别极限，为集成权重学习提供理论保证。

从零拆解梯度提升（Gradient Boosting）原理：如何用加法建模将复杂函数拆成多个弱学习器之和，通过拟合残差、学习率缩放逐步纠错，附完整 fit 与 predict 实现思路。