一种基于变型空间基数计算的概念学习工具
人工智能
2018-03-26 v1
摘要
在本文中，我们提出了 VeSC-CoL（基于变型空间基数计算的概念学习），以处理极度不平衡数据集上的概念学习问题，尤其是在交叉验证不可行的情况下。VeSC-CoL 使用变型空间基数作为模型质量的度量来替代交叉验证。它没有采用朴素的变型空间枚举，而是使用有序二叉决策图和布尔可满足性来计算变型空间。实验表明，在计算资源允许的情况下，VeSC-CoL 能够准确地学习目标概念。
引用
@article{arxiv.1803.08625,
title = {A Concept Learning Tool Based On Calculating Version Space Cardinality},
author = {Kuo-Kai Hsieh and Li-C. Wang},
journal= {arXiv preprint arXiv:1803.08625},
year = {2018}
}