arXiv · Machine Learning Theory· Anthony Lavertu, Jacob Cote, Sophie Gobeil, Jacques Corbeil, Isabeau Premont-Schwarz, Pascal Germain·· 3 小时前AI 评分35
ReLaG：可扩展框架将随机划分推广至含潜在关系的数据
ReLaG: A Scalable Framework Generalizing Random Splits to Data with Latent Relations
AI 导读
ReLaG 提出一种模态无关的框架，通过层次化潜变量建模样本相关性，并利用近邻图与社区检测生成独立的训练-测试划分。在分子与蛋白质数据集上，ReLaG 达到已有关系感知方法的水平，同时具备更好的可扩展性，并引入无标签过程以适配生产数据的划分分辨率。
来源：arXiv · Machine Learning Theory · arxiv.org