基于最优打分的核判别分析中的稀疏特征选择
机器学习
2021-04-01 v1 机器学习
摘要
我们考虑两类分类问题，并基于最优打分框架提出一种核分类器。与以往方法不同，我们给出了该方法期望风险一致性的理论保证。我们还通过使用加权核施加结构化稀疏性来实现特征选择。我们提出了全自动方法来选择所有调优参数，并特别将核收缩思想用于岭参数选择。数值研究证明了所提方法相对于现有非参数分类器具有更优的分类性能。
引用
@article{arxiv.1902.04248,
title = {Sparse Feature Selection in Kernel Discriminant Analysis via Optimal Scoring},
author = {Alexander F. Lapanowski and Irina Gaynanova},
journal= {arXiv preprint arXiv:1902.04248},
year = {2021}
}
备注
24 pages