讲座主题：
一个普适性的高效和有效模型选择新策略(Leave-Zero-Out)
主讲人姓名及介绍：
陈松灿，南京航天航空大学计算机学院/人工智能学院教授。国际模式识别学会会士 (IAPR Fellow)和中国人工智能学会会士(CAAI Fellow)。现任中国人工智能学会(CAAI)常务理事, CAAI机器学习专委会主任委员和江苏省人工智能学会（JSAI）常务副理事长。至今主持国家自然科学基金项目12项，其中重点项目1项。
报告摘要：
模型选择是机器学习的核心。交叉验证(Cross-Validation-CV)作为一种广泛采纳并在经验上行之有效的选择策略，常常面临需多重数据划分验证所导致的效率低下及在少标记样本学习场景下难奏效等问题。本报告尝试给出一种无需留出验证集的模型选择新策略:Leave-Zero-Out，其不仅高效和有效，而且具有用适合监督、半监督到无监督模型选择的普适性。
