×
阿尔基尔，P。

随机经验风险最小化者的PAC-Bayesian界。 （英语） Zbl 1260.62038号

数学。方法统计。 17，第4号，279-304（2008）.
摘要：本文的目的是推广由O.卡托尼[自适应分类的PAC-Baysian方法。预打印实验室概率与模式（2003），PAC-Bayesian监督分类。统计学习的热力学。数学研究所统计讲义-专题系列56。俄亥俄州比奇伍德：IMS，数理统计研究所（2007；Zbl 1277.62015年)]在分类设置中以更一般的问题进行统计推断。我们展示了如何控制随机估计值风险的偏差。特别注意在经典估计量的小邻域中提取的随机估计量，其研究导致了对后者风险的控制。这些结果使我们能够限制非常一般的估计程序的风险，并进行模型选择。

引用于15文件

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）
62克08 非参数回归和分位数回归
68T05年 人工智能中的学习和自适应系统

关键词：

回归估计;分类;自适应推理;统计学习;随机估计量;经验界

引文：

Zbl 1277.62015年
PDF格式BibTeX公司 XML格式引用
\textit{P.Alquier}，数学。方法统计17，No.4，279--304（2008；Zbl 1260.62038）
全文： 内政部 arXiv公司

参考文献：

[1] P.Alquier，回归和密度估计的传导性和归纳适应性推断，博士论文（巴黎大学，2006年6月）。
[2] J.-Y.Audibert，“最小二乘回归的聚合估计和经验复杂性”，安·H·庞加莱研究所：概率。和统计师。40(6), 685–736 (2004). ·Zbl 1052.62037号 ·doi:10.1016/j.anihpb.2003.11.006
[3] J.-Y.Audibert，PAC-Baysian统计学习理论，博士论文（巴黎大学，2004年6月）。
[4] S.N.Bernstein，《概率论》（莫斯科，1927）[俄语]。
[5] S.Boucheron，O.Bousquet，G.Lugosi，“分类理论：一些最新进展”，ESAIM概率与统计9，323–375（2005）·兹比尔1136.62355 ·doi:10.1051/ps:2005018
[6] O.Catoni，《适应分类的PAC-Baysian方法》，预印实验室（2003年）。
[7] O.Catoni，《统计学习理论和随机优化》，载于《数学课堂讲稿》（2001年圣弗洛尔概率论暑期学校）（Springer，2004年）。
[8] O.Catoni，《PAC-Baysian监督分类（统计学习的热力学）》，摘自《课堂讲稿-专题系列》（IMS，2007年），第56卷·Zbl 1277.62015年
[9] A.J.Cervonenkis和V.N.Vapnik，“事件相对频率与其概率的一致收敛性”，Dokl。阿卡德。诺克SSSR 181（4）（1968）。
[10] C.Cortes和V.N.Vapnik，“支持向量网络”，机器学习20，273–297（1995）·Zbl 0831.68098号
[11] L.Devroye、L.Györfi和G.Lugosi，《模式识别的概率理论》（Springer，纽约，1996）·Zbl 0853.68150号
[12] J.H.Friedman、T.Hastie和R.Tibshirani，《统计学习的要素》（Springer，纽约，2001年）·Zbl 0973.62007号
[13] W.Hoeffing，“有界随机变量和的概率不等式”，J.Amer。统计师。协会18、13–30（1963年）·Zbl 0127.10602号 ·doi:10.1080/016214591963.10500830
[14] G.Lecue，《聚合程序：最优和快速率》（巴黎大学，2007年6月）·Zbl 1320.62091号
[15] E.Mammen和A.Tsybakov，“统计学习中的平滑歧视分析”，《统计年鉴》。27, 1808–1829 (1999). ·Zbl 0961.62058号 ·doi:10.1214/aos/1017939240
[16] D.A.McAllester，“一些PAC-Baysian定理”，摘自Proc。第十一届计算学习理论年会（威斯康星州麦迪逊，1998）（美国计算机学会，纽约，1998），第230-234页。
[17] D.A.McAllester，“PAC-BaysianModel Averaging”，摘自《Proc。第12届计算学习理论年会，加利福尼亚州圣克鲁斯（电子版）（ACM，纽约，1999年），第164–170页。
[18] J.Rissanen，“通过最短数据描述建模”，Automatica 14，465–471（1978）·Zbl 0418.93079号 ·doi:10.1016/0005-1098（78）90005-5
[19] R.Schapire、Y.Freund、P.Bartlett和W.S.Lee，“提高利润率：投票方法有效性的新解释”，《统计年鉴》。26, 1651–1686 (1998). ·Zbl 0929.62069号 ·doi:10.1214/aos/1024691352
[20] A.Tsybakov，“统计学习中分类器的最佳聚合”，《统计年鉴》。32, 135–166 (2004). ·Zbl 1105.62353号 ·doi:10.1214/aos/1079120131
[21] V.N.Vapnik，《统计学习理论的本质》（Springer，1998）·Zbl 0934.62009号
[22] T.Zhang，“基于凸风险最小化的分类方法的统计行为和一致性”，Ann.Statist。32, 56–85 (2004). ·兹比尔1105.62323 ·doi:10.1214/aos/1079120130
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。