基于最坏可能分配的改进误差界
机器学习
2015-04-02 v1 信息论
机器学习
math.IT
概率论
摘要
基于最坏可能分配的误差界利用置换检验来验证分类器。即使对于只有 100 个或更少训练样本的数据集，最坏可能分配也能产生有效的界。本文引入了一种用于最坏可能分配置换检验的统计量，该统计量改进了误差界，特别是对于那些通常作为关注焦点的准确分类器。
引用
@article{arxiv.1504.00052,
title = {Improved Error Bounds Based on Worst Likely Assignments},
author = {Eric Bax},
journal= {arXiv preprint arXiv:1504.00052},
year = {2015}
}
备注
IJCNN 2015