特征选择促进离散乘积分布混合的学习
机器学习
2017-11-28 v1 机器学习
摘要
特征选择可以促进离散随机变量混合的学习，例如在众包任务中出现的情形。直观上，并非所有工人都同样可靠，但如果能剔除较不可靠者，学习应更具鲁棒性。类比高斯混合模型，我们寻求一种低阶统计方法，并在此提出一种基于（成对）互信息的算法。该算法在“单硬币”模型下诱导出一种结构良好的工人排序。更一般地，它由拟合优度度量所佐证，并经实证验证。在真实数据集上的改进可能十分显著。
引用
@article{arxiv.1711.09195,
title = {Feature Selection Facilitates Learning Mixtures of Discrete Product Distributions},
author = {Vincent Zhao and Steven W. Zucker},
journal= {arXiv preprint arXiv:1711.09195},
year = {2017}
}