朴素贝叶斯分类器的有限样本分析
丹尼尔·贝伦德（Daniel Berend）、阿利耶·康托洛维奇（Aryeh Kontorovich）; 16(44):1519−1545, 2015.
摘要
我们从统计学习的角度重新审视了加权专家投票的经典决策理论问题。特别地，我们检查了最优Naive Bayes加权多数和相关规则的一致性（渐近和有限）。在已知专家能力水平的情况下，我们对最优规则给出了尖锐的误差估计。我们得到了我们估计的最优性结果，并建立了一些结构特征。当能力水平未知时，必须进行经验估计。我们为这种情况提供了频率分析和贝叶斯分析。我们的一些证明技术是非标准的，可能会引起独立的兴趣。提出了几个具有挑战性的开放问题，并提供了实验结果来说明理论。
[腹肌]
[pdf格式][围兜]
