次模子集選取

深度分析

補集次模資訊（CSI）：同步保留子集與補集結構的資料選取框架

研究指出既有次模目標僅優化被選子集而忽略剩餘資料的結構。本文提出補集次模資訊（CSI），透過同時最大化子集與其補集的結構資訊，衍生多種補集感知目標並在隱藏語義切片與去雜訊挑選上展現顯著改善。同時抑制孤立異常點並提升下游預測效能。對資料分割與基準建構具實務意義。