Automatic Discovery of Intra-Class Sub-Structure for Supervised Tabular Classification: Offline Clustering vs. Joint Sub-Center Training
Deze rigoureuze empirische studie toont aan dat hoewel conventionele offline clustering van penultieme kenmerken om intra-klasse substructuur te ontdekken onbetrouwbaar is en vaak de prestaties van tabulaire classificatie verslechtert, een gezamenlijke end-to-end subcenter-training benadering deze risico's effectief mitigeert, hoewel de auteurs concluderen dat er momenteel geen robuuste heuristiek bestaat om te voorspellen wanneer dergelijke substructuurontdekking gunstig is.