LOCO-AdaMP：带内置 LOCO 推理的自适应小补丁集成与增强预测

LOCO-AdaMP 提出一种自适应小补丁集成框架，在高维稀疏场景下通过 LOCO 重要性引导特征采样，在保留渐近有效特征重要性推断的同时提升预测性能。该方法无需数据切分或模型重训练，对基模型无关，适用于回归任务中的预测与推断。实验在合成与真实数据集上验证了其在预测、推断能力和稳定性上优于现有方法。