热点事件持续更新

研究者提交 MinPI 特征选择论文

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

Wenjie Shi、Chi Zhao 将论文《Min-Marginal Power Indices for Multi-Objective Feature Selection》提交至 arXiv，论文提出 MinPI，用 -1、0、+1 分别表示特征在二元效用阈值博弈中的有害、中性和决定性作用。论文报告称，在六个基准数据集、五个随机种子的实验中，MinPI 移除 12.5% 的分析特征后，留出效用几乎没有损失；在 Madelon 和 Abalone 上，移除代价低于同规模随机移除。作为预筛选方法时，MinPI 还使五个种子下的数据集平均超体积均有所提升。

AI 根据报道生成 · 1 小时前更新

最新进展10月28日 12:00

用于多目标特征选择的最小边际权力指数

报道时间线

沿着报道，了解事件的不同侧面。

10月28日

12:00
arXiv · Machine Learning
用于多目标特征选择的最小边际权力指数
研究提出 Min-Marginal Power Index（MinPI），在二元效用阈值博弈中以 -1、0 或 +1 标记特征的有害、中性或决定性作用。五个随机种子下的六个基准数据集实验中，MinPI 移除 12.5% 的分析特征，留出效用几乎无损；在 Madelon 和 Abalone 上，移除代价低于同规模随机移除。用于预筛选时，多目标搜索在五个种子上的数据集平均超体积均提升。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。