经典算法是公平的学习器：自然天气与野火发生的分类分析
机器学习
2023-09-06 v1
摘要
经典机器学习算法已就其性能与性质被详细地数学审视与研究。本文旨在回顾广泛使用的经典监督学习算法（如决策树、Boosting、支持向量机、k近邻与浅层人工神经网络）的经验性运作。论文在稀疏表格数据上对这些算法进行分类任务评估，并观察当数据被合成修改为更高噪声时，特定超参数对这些算法的效应。引入这些扰动是为了观察这些算法在稀疏数据上的泛化效率，以及它们利用不同参数提升分类精度的效用。论文旨在表明，由于其固有性质，即便对于此类有限数据，这些经典算法仍是公平的学习器，即便面对含噪与稀疏数据集亦然。
引用
@article{arxiv.2309.01381,
title = {Classic algorithms are fair learners: Classification Analysis of natural weather and wildfire occurrences},
author = {Senthilkumar Gopal},
journal= {arXiv preprint arXiv:2309.01381},
year = {2023}
}