分布鲁棒安全筛选
原文约300字，阅读约需1分钟。发表于：。我们提出了一种名为分布鲁棒安全筛选（DRSS）的方法，用于在 DR 协变量转变设置中识别不必要的样本和特征。该方法有效地将 DR 学习与安全筛选相结合，对模型训练之前的无关样本和特征进行了稀疏优化，实现了在特定范围内可靠地识别任何未来分布的不必要样本和特征。我们提供了 DRSS 方法的理论保证，并通过在合成和现实世界数据集上进行数值实验证实了其性能。
我们提出了一种名为分布鲁棒安全筛选（DRSS）的方法，用于在 DR 协变量转变设置中识别不必要的样本和特征。该方法有效地将 DR 学习与安全筛选相结合，对模型训练之前的无关样本和特征进行了稀疏优化，实现了在特定范围内可靠地识别任何未来分布的不必要样本和特征。我们提供了 DRSS 方法的理论保证，并通过在合成和现实世界数据集上进行数值实验证实了其性能。
