量化方法的比较评估
机器学习
2025-04-17 v5 人工智能
信息检索
摘要
量化指的是估计未观测数据上类标分布的问题。它同时也代表了监督机器学习中一个日益增长的研究领域，近年来已提出大量不同的算法。然而，目前尚缺乏支持算法选择的量化方法的综合性实证比较。在这项工作中，我们通过在总计 40 多个数据集上对 24 种不同量化方法进行彻底的实证性能比较，填补了这一研究空白，其中考虑了二值与多类量化设定。我们观察到没有单一算法能普遍优于所有竞争者，但辨识出一组在二值设定下表现最佳的方法，包括基于阈值选择的 Median Sweep 与 TSMax 方法、含 HDy 方法的 DyS 框架、Forman 混合模型以及 Friedman 方法。对于多类设定，我们观察到另一组广泛的算法取得了良好性能，包括 HDx 方法、广义概率调整计数（Generalized Probabilistic Adjusted Count）、readme 方法、能量距离最小化方法、用于量化的 EM 算法以及 Friedman 方法。我们还发现，在大多数情况下，调优底层分类器对量化性能的影响有限。更一般地，我们发现多类量化的性能劣于二值设定下所获得的结果。我们的结果可指导打算应用量化算法的实践者，并帮助研究人员识别未来研究的机会。
引用
@article{arxiv.2103.03223,
title = {A Comparative Evaluation of Quantification Methods},
author = {Tobias Schumacher and Markus Strohmaier and Florian Lemmerich},
journal= {arXiv preprint arXiv:2103.03223},
year = {2025}
}
备注
41 pages, 18 figures, 9 tables