最小分類誤り基準に基づく識別関数のアンサンブル学習
スポンサーリンク
概要
- 論文の詳細を見る
分類問題に焦点をあて、最小分類誤り確率を達成する識別関数を構成することを目的として、複数の識別関数を線形結合ずるアンサンブル学習法を提案する。本アプローチでは、線形重みの推定を、識別関数空間上での線形識別関数の設計問題として期待損失最小化学習の枠組みで定式化する。従来、回帰問題の枠組みで用いられている平均自乗誤差基準が本問題には適切でないことを示し、次いで、最小分類誤り基準に基づく重みの推定法について述べる。多クラスの分類問題に対するニューラルネット分類器によるアンサンブル分類器の適用実験において、提案法の有効性を示す。
- 1997-03-18
論文 | ランダム
- 雑草の根
- 特性表示した品種育成系譜図を簡単に作成するソフトウェア ; EvoTree
- 脂質酸化と抑制
- Changes in Solubility and Thermal Stability of Chicken Myofibrillar Protein by Glycosylation
- Mathematical Analysis for Growth Depression of Vibrio parahaemolyticus in Shrimp under a High Carbon Dioxide Atmosphere