分类中对间隔与复杂度的同时适应
统计理论
2009-09-29 v2 机器学习
统计理论
摘要
我们考虑二分类中对间隔(margin)与复杂度(complexity)的适应问题。我们提出一种指数加权聚合方案。我们利用该聚合过程构造出自动适应间隔与复杂度的分类器。我们给出了两个主要例子,其中适应性在 Steinwart 与 Scovel [Learning Theory. Lecture Notes in Comput. Sci. 3559 (2005) 279--294. Springer, Berlin; Ann. Statist. 35 (2007) 575--607] 以及 Tsybakov [Ann. Statist. 32 (2004) 135--166] 所提出的框架下得以实现。诸如 ERM 或罚 ERM 之类的适应方案通常涉及一种最小化步骤。我们的过程则并非如此。
引用
@article{arxiv.math/0509696,
title = {Simultaneous adaptation to the margin and to complexity in classification},
author = {Guillaume Lecué},
journal= {arXiv preprint arXiv:math/0509696},
year = {2009}
}
备注
Published in at http://dx.doi.org/10.1214/009053607000000055 the Annals of Statistics (http://www.imstat.org/aos/) by the Institute of Mathematical Statistics (http://www.imstat.org)