条件无关数据的模式识别
丹尼尔·里亚布科; 7(23):645−664, 2006.
摘要
在这项工作中，我们考虑放松身份证假设的任务在模式识别（或分类）中，旨在现有的学习算法适用于更广泛的任务。模式识别是猜测基于一组给定示例的一些对象（成对的对象和标签）。我们考虑这个案子确定定义的标签。传统上，这任务是在假设示例是独立的且分布相同的。然而，事实证明，模式识别的许多结果理论结转较弱的假设。即在假设条件下条件独立性和对象的相同分布，而关于标签分布的唯一假设是每个标签的出现率应该高于某个正阈值。
我们发现了一类广泛的学习算法在经典的i.i.d.假设可以推广到以下情况的类似估计有条件的身份验证示例。
[腹肌]
[pdf格式][围兜]
