BriefGPT - AI 论文速递
·
关于特征选择中核依赖最大化的限制性研究
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文使用HSIC构建独立性统计检验方法，通过分析联合分布和边缘分布乘积之间的距离来定义HSIC。研究结果表明，即使在联合分布的核函数不具有特性的情况下，也可以构建基于HSIC的独立性统计检验，并保持其一致性。
🎯
关键要点
- 本文使用希尔伯特 - 施密特独立准则（HSIC）作为检验统计量。
- 构建了独立性的统计检验方法，通过分析联合分布和边缘分布乘积的嵌入之间的距离来定义 HSIC。
- 研究结果表明，即使在联合分布的核函数不具有特性的情况下，仍可构建基于 HSIC 的独立性统计检验。
- 基于 HSIC 的独立性统计检验在各自的域上的边缘核函数具有特性时保持一致性。
🏷️
标签
➡️
