×
Park、Seo Young；刘玉峰；刘大成；保罗·斯科尔

多类别复合最小二乘分类器。 （英语） Zbl 07260249号

统计分析。数据最小值。 3，第4号，272-286（2010）.
摘要：分类是一种非常有用的信息提取统计工具。特别是，多类别分类在各种应用中很常见。虽然二进制分类问题得到了大量研究，但对多类别问题的扩展却少得多。鉴于现代统计问题的复杂性和数量不断增加，需要有能够处理高维和大量类的问题的多类别分类器。此外，多类别分类器必须具有良好的理论性质。在文献中，存在几种不同版本的同步多类别支持向量机（SVM）。然而，对于大规模问题，特别是对于具有大量类的问题，SVM的计算可能很困难。此外，SVM不能直接产生类概率估计。在本文中，我们提出了一种新的高效的多类别复合最小二乘分类器（CLS分类器），该分类器利用了一种新型的复合平方损失函数。所提出的CLS分类器具有以下几个重要优点：对具有大量类的问题进行有效计算，渐近一致性，处理高维数据的能力，以及简单的条件类概率估计。我们的模拟和实际例子证明了该方法的竞争性能。

MSC公司：

62至XX 统计
68倍 计算机科学

关键词：

费希尔一致性；多类别分类；回归，回归；平方损失；支持向量机
PDF格式BibTeX公司 XML格式引用
\textit{S.Y.Park}等人，统计分析。数据最小值3，编号4，272--286（2010；Zbl 07260249）
全文： DOI程序 链接

参考文献：

[1] K.V.Mardia、J.M.Bibby和J.T.Kent，多变量>负γPj（x）（fj）+（1负γ）（1负Pj（x））（负fj）。这与（20）相矛盾。《分析》，伦敦，纽约，学术出版社，1979年。因此，当argmaxjPj（x）=1时，我们得出anyj=1的ef1>fj。这个
[2] B.E.Boser、I.M.Guyon和V.N.Vapnik，《最佳边缘分类器的训练完成证明算法》，《第五届美国计算机学会计算学习理论研讨会论文集》，宾夕法尼亚州匹兹堡，美国计算机学会出版社，1992年，第144-152页。
[3] V.Vapnik，《统计学习理论》，威利出版社，1998年·Zbl 0935.62007号
[4] L.Breiman，《随机森林》，Mach Learn 45（2001），第5C32页·Zbl 1007.68152号
[5] T.Hastie、R.Tibshirani和J.H.Friedman，《统计学习的要素》，纽约，斯普林格出版社，2003年·Zbl 0973.62007号
[6] N.Cristianini和J.Shawe Taylor，《=γkj=1｛k−1−fj（x）｝2Pj（x）+（1−γ）kl=1支持向量机导论》，剑桥，剑桥大学
[7] K.Crammer和Y.Singer，《算法实现论》，出版社，2000年。
[8] Y.Lee、Y.Lin和G.Wahba，多类别支持向量机，理论及其在分类中的应用·Zbl 1089.62511号
[9] J.A.K.Suykens和J.Vandewalle，最小二乘支持·Zbl 0958.93042号
[10] G.Fung和O.L.Mangasarian，近端支持向量机分类器，收录于《KDD-2001：知识》·Zbl 1101.68758号
[11] 唐永华，张海华，多类近端支持向量机，《计算机图形统计杂志》第15期（2006年），第339-355页。
[12] 刘彦，多类支持向量机的Fisher一致性，第十一届国际人工智能与统计会议，波多黎各圣胡安，2007，289-296。
[13] Y.Liu和X.Shen，多类别ψ-学习，美国统计协会期刊101（2006），500-509·Zbl 1119.62341号
[14] G.Kimeldorf和G.Wahba，关于切比雪夫样条函数的一些结果，《数学分析应用杂志》33（1971），82-95·Zbl 0201.39702号
[15] T.Golub、D.Slonim、P.Tamayo、C.Huard、M.Gaasenbeek、J.Mesirov、H.Coller、M.Loh、J.Downing和M.Caligiuri，
[16] S.Dudoit、J.Fridly和T.P.Speed，《利用基因表达数据对肿瘤进行分类的鉴别方法比较》，《美国统计学会杂志》97（2002），77-87·Zbl 1073.62576号
[17] J.Zhu、S.Rosset、T.Hastie和R.Tibshirani，1-范数支持向量机，神经信息处理系统（2004），第16页·Zbl 1222.68213号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。