流形上基于近似最近邻的成本敏感学习的最小最大速率
机器学习
2018-03-02 v1 机器学习
摘要
我们研究了嵌入在高维特征空间中的低维流形上用于成本敏感分类的近似最近邻方法。我们确定了在成本敏感设定下光滑流形上分布的最小最大学习速率。这推广了 Audibert 和 Tsybakov 的一个经典结果。基于 Chaudhuri 和 Dasgupta 的近期工作，我们证明这些最小最大速率可由近似最近邻算法达到，其中邻居是在随机投影的低维空间中计算的。此外，我们给出了投影所需维数的一个界，该界仅依赖于流形的可达半径与维数，以及边缘分布的正则性。
引用
@article{arxiv.1803.00310,
title = {Minimax rates for cost-sensitive learning on manifolds with approximate nearest neighbours},
author = {Henry WJ Reeve and Gavin Brown},
journal= {arXiv preprint arXiv:1803.00310},
year = {2018}
}
备注
Published in ALT 2017