论文11:52高斯混合分类中早停梯度下降达到极小极大最优这篇论文告诉你,训练到过拟合之前提前停一下,GD在带噪声的高斯混合分类上能拿到理论最优错误率,比插值器省指数级样本。#Gradient Descent#early stopping#Gaussian mixture#过参数化aarXiv cs.LG@Alex Buna 等 3 人原文稍后读已读值得跟进有用关注 Gradient Descent
论文精选13:12好插值器有多普遍?高维线性分类器泛化性能的集中现象这篇论文从理论层面解释了为什么过参数化模型能泛化——做高维统计学习或深度学习理论的研究者,看完会对“良性过拟合”有更精确的数学理解,值得深入阅读。#过参数化#泛化理论#线性分类器#大偏差原理aarXiv cs.LG@August Y. Chen, Ahmed El Alaoui原文稍后读已读值得跟进有用关注 过参数化