Classifier Performance on Long‐Tail Distributions

2025

Полный текст Открытый доступ: Hybrid Метаданные (CSL-JSON)
DOI 10.1002/sam.70037
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

ABSTRACT This paper introduces a Gaussian mixture model designed to explore the implications of long‐tailedness on classification performance. Our study reveals that simple under‐specified classifiers are inherently limited in reducing generalization error within this framework, a limitation overcome by well‐specified and even more complex over‐specified classifiers capable of fitting rare examples. Through theoretical analysis and empirical evaluation on both synthetic and real datasets, we demonstrate how the performance gap between under‐specified and well/over‐specified classifiers varies with changes in the tail length of the distribution. Our results validate the necessity of fitting rare instances in training datasets to achieve enhanced generalization capabilities in models faced with long‐tail distributed data.