×
克莱门·查特兰;塞巴斯蒂安·亚当;伊夫·勒科蒂埃;劳伦·希特;蒂埃里·帕奎特

未知和/或演化错误分类成本问题的多模型选择框架。 （英语） 兹比尔1187.68434

模式识别 43，第3期，815-823（2010）.
总结：我们解决了错误分类成本未知和/或可能演变时的模型选择问题。与基于标量优化的传统方法不同，我们提出了一种基于多目标方法的通用多模型选择框架。其思想是自动训练一个分类器池，而不是单个分类器，池中的每个分类器在目标之间优化特定的权衡。在两类分类问题的背景下，我们引入“ROC前沿概念”作为ROC曲线表示的替代方案。将该策略应用于支持向量机分类器的多模型选择，采用进化多目标优化算法。与基于AUC准则的传统标量优化技术的比较表明，在UCI数据集和实际分类问题上都有很好的结果。

引用于2文件

MSC公司：

68吨10 模式识别、语音识别

关键词：

ROC前部;多模型选择;多目标优化;ROC曲线;手写数字/离群值识别

软件：

SPEA2公司;NSGA-II公司;UCI-毫升
PDF格式BibTeX公司 XML格式引用
\textit{C.Chatelain}等人，模式识别43，No.3，815--823（2010；Zbl 1187.68434）
全文： 内政部 哈尔

参考文献：

[1] D.J.Newman A.Asuncion，UCI机器学习库，2007年。；D.J.Newman A.Asuncion，UCI机器学习库，2007年。
[2] Anguita博士。；Ridela，S。；里维奇奥，F。；Zunino，R.，支持向量分类器的超参数设计标准，神经计算，55，1-2，109-134（2003）
[3] 阿亚特，东北部。；Cheriet，M。；Suen，C.Y.，SVM核函数优化的自动模型选择，模式识别，301733-1745（2004）
[4] Bengio，Y.，基于梯度的超参数优化，神经计算，12，1889-1900（2000）
[5] H.Boström，使用增量减少误差修剪最大化ROC曲线下的面积，见：ROCML会议记录，2005年。；H.Boström，使用增量减少误差修剪最大化ROC曲线下的面积，载于：ROCML会议记录，2005年。
[6] Bradley，A.P.，在机器学习算法评估中ROC曲线下面积的使用，模式识别，301145-1159（1997）
[7] L.T.Bui，D.Essam，H.A.Abbass，D.Green，噪声环境中多目标进化方法的性能分析，载《APS 2004年会议录》，第29-39页。；L.T.Bui，D.Essam，H.A.Abbass，D.Green，《噪声环境中多目标进化方法的性能分析》，载《APS 2004学报》，第29-39页。
[8] R.Caruana、A.Niculescu-Mizil、G.Crew、A.Ksikes，《从模型库中选择合奏》，载于：《国际音乐学院学报》，2004年。；R.Caruana、A.Niculescu-Mizil、G.Crew、A.Ksikes，《从模型库中选择合奏》，收录于：《ICML学报》，2004年。
[9] 沙佩尔，O。；Vapnik，V。；O.布斯克。；Mukherjee，S.，为支持向量机选择多个参数，机器学习，46，131-159（2002）·Zbl 0998.68101号
[10] C.Chatelain，L.Heutte，T.Paquet，分段驱动识别应用于手写传入邮件文档的数字字段提取，收录于：文档分析系统，计算机科学课堂讲稿，第3872卷，2006年，第564-575页。；C.Chatelain，L.Heutte，T.Paquet，分段驱动识别应用于手写邮件文档的数字字段提取，收录于：文档分析系统，计算机科学课堂讲稿，第3872卷，2006年，第564-575页。
[11] 查特兰，C。；Heutte，L。；Paquet，T.，手写文档中数值字段提取的两阶段离群值剔除策略，（ICPR会议记录（2006）），224-227
[12] 科恩·D·W。；Knowles，J.D。；Oates，M.J.，《基于Pareto包络的多目标优化选择算法》（Pareto envelope selection algorithm for multi-objective optimization）（《自然》（2000）中的并行问题解决），839-848
[13] 科尔特斯，C。；Mohri，M.，AUC优化与错误率最小化，（NIPS进展（2004），麻省理工学院出版社：麻省理学院出版社剑桥）
[14] de Souza，B.F。；德卡瓦略，A.C.P.L.F。；卡尔沃，R。；Ishii，R.P.，使用粒子群优化的多类SVM模型选择，（HIS学报（2006）），31
[15] K.Deb，S.Agrawal，A.Pratap，T.Meyarivan，多目标优化的快速精英非支配排序遗传算法：NSGA-II，IEEE Transactions on Evolutional Computation（2002）182-197。；K.Deb，S.Agrawal，A.Pratap，T.Meyarivan，多目标优化的快速精英非支配排序遗传算法：NSGA-II，IEEE Transactions on Evolutionary Computation（2002）182-197。
[16] Deb，K.，《使用进化算法的多目标优化》（2001），Wiley:Wiley New York，NY，USA·Zbl 0970.90091号
[17] Dieterich，T.G.公司。；Bakiri，G.，《通过纠错输出代码解决多类学习问题》，《人工智能研究杂志》，第2263-286页（1995年）·Zbl 0900.68358号
[18] T.Fawcett，《ROC图：研究人员的注意事项和实际考虑》，技术报告，惠普实验室，2004年。；T.Fawcett，《ROC图表：研究人员注意事项和实际考虑事项》，《技术报告》，惠普实验室，2004年。
[19] 费里，C。；弗拉奇，P。；Hernandez-Orallo，J.，使用ROC曲线下面积学习决策树，（ICML会议记录（2002）），139-146
[20] Flach，P.A。；Wu，S.，修复ROC曲线中的凹陷，（2003年英国计算智能研讨会论文集（2003年8月），布里斯托尔大学），38-44
[21] 丰塞卡，C.M。；Flemming，P.J.，《多目标优化的遗传算法：公式化、讨论和推广》（ICGA（1993）会议录），416-423
[22] Goldberg，D.E.，《搜索、优化和机器学习中的遗传算法》（1989），Addison-Wesley，Longman Publishing Co.，Inc.：Addison-Whesley，LongmanPublishing Co，Inc.美国马萨诸塞州波士顿·Zbl 0721.68056号
[23] 霍恩，J。；Nafpliotis，N。；Goldberg，D.E.，用于多目标优化的小生境Pareto遗传算法，（IEEE-WCC（1994）论文集），82-87
[24] Joachims，T.，《使大规模支持向量机学习实用化》（Smola，A.；Scholkopf，B.；Burges，C.，《内核方法的进展》（1998），麻省理工学院出版社：麻省理学院出版社剑桥，MA）
[25] 基尔西，S。；信德瓦尼，V。；Chapelle，O.，《支持向量机模型中基于梯度的超参数自适应的有效方法》，（Schölkopf，B.；Platt，J.；Hoffman，T.，《神经信息处理系统的进展》，第19卷（2007年），麻省理工学院出版社：麻省理学院出版社剑桥，MA），673-680
[26] V.Khare，X.Yao，K.Deb，多目标进化算法的性能缩放，技术报告-SCS，伯明翰大学，2002年，第1-70页。；V.Khare，X.Yao，K.Deb，多目标进化算法的性能缩放，技术报告-SCS，伯明翰大学，2002年，第1-70页。
[27] Lebrun，G。；Lezoray，O。；Charrier，C。；Cardot，H.，《支持向量机多类方案的EA多模型选择》（IWANN（2007）论文集），257-264
[28] E.Osuna，R.Freund，F.Girosi，《支持向量机：训练和应用》，技术报告，1997年。；E.Osuna，R.Freund，F.Girosi，《支持向量机：训练和应用》，技术报告，1997年。
[29] Provost，F。；Fawcett，T.，《不精确环境下的稳健分类》，机器学习，42，3，203-231（2001）·Zbl 0969.68126号
[30] A.Rakotomamonjy，使用支持向量机优化AUC，摘自：《ROC曲线和AI的ECAI研讨会论文集》，2004年，第469-478页。；A.Rakotomamonjy，《使用支持向量机优化AUC》，载于《ROC曲线和AI的ECAI研讨会论文集》，2004年，第469-478页。
[31] 谢弗，J.D。；Grefenstette，J.J.，《通过遗传算法进行多目标学习》（1985年《国际计算机学会学报》），593-595
[32] Srinivas，N。；Deb，K.，遗传算法中使用非支配排序的多目标优化，进化计算，2，3，221-248（1994）
[33] Wahba，G.公司。；林，X。；高，F。；Xiang，D。；Klein，R。；Klein，B.，《偏倚-方差权衡与随机GACV》（The bias-variance tradeoff and The randomized GACV）（NIPS Proceedings of NIPS（1999）），第620-626页
[34] 吴绍明，《分类器评价和选择的AUC评分标准》，载《ROCML学报》，2005年。；Wu S.，分类器评估和选择的评分AUC度量，载于：ROCML会议记录，2005年。
[35] 齐茨勒，E。；Deb，K。；Thiele，L.，多目标进化算法的比较：经验结果，IEEE进化计算汇刊，2，8173-195（1999）
[36] E.Zitzler，M.Laumanns，L.Thiele，SPEA2：改进强度Pareto进化算法，技术报告，计算机工程与网络实验室（TIK），苏黎世ETH，2001年。；E.Zitzler，M.Laumanns，L.Thiele，SPEA2：改进强度Pareto进化算法，技术报告，计算机工程与网络实验室（TIK），苏黎世ETH，2001年。
[37] 齐茨勒，E。；Thiele，L.，《多目标进化算法：比较案例研究和强度Pareto方法》，IEEE进化计算汇刊，3，4，257-271（1999）
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。