学习聚合:解决OWA的聚合/分解问题
维塔利克·梅尔尼科夫(Vitalik Melnikov),埃克·Hüllermier
第十一届亚洲机器学习会议记录,PMLR 101:1110-11252019年。
摘要
“学习聚合”(LTA)问题最近被引入作为一种新的机器学习设置,其中实例以成分上的(可变)数的组合的形式表示。这些成分与评估相关,评估是预测任务的目标,可以假设以其成分属性的适当聚合形式进行建模。当在训练时无法对成分进行评估时,就会出现一类特别有趣的LTA问题,而应该与聚合函数同时学习。这种情况被称为“聚合/分解问题”。在本文中,我们针对一类有趣的聚合函数,即有序加权平均(OWA)算子来解决这个问题。特别是,我们提供了一种用于学习OWA参数和成分局部效用分数的算法,并在预测分类器集合性能的案例研究中对该算法进行了评估。
引用本文
相关材料