基于多类别Fisher一致性损失的新型多类别提升算法
应用统计
2009-01-27 v1
摘要
Fisher一致性损失函数在构建成功的二分类边界基分类器中起着基础性作用。本文建立了多类别分类问题的Fisher一致性条件。我们的方法使用了边际向量概念，该概念可视为二分类边际的多类别推广。我们刻画了一类广泛的光滑凸损失函数，这些函数对于多类别分类是Fisher一致的。然后，我们考虑使用基于边际向量的损失函数来推导多类别提升算法。特别地，我们通过使用指数损失和逻辑回归损失推导了两种新的多类别提升算法。
引用
@article{arxiv.0901.3988,
title = {New multicategory boosting algorithms based on multicategory Fisher-consistent losses},
author = {Hui Zou and Ji Zhu and Trevor Hastie},
journal= {arXiv preprint arXiv:0901.3988},
year = {2009}
}
备注
Published in at http://dx.doi.org/10.1214/08-AOAS198 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)