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

BibTeX公司
@会议记录{pmlr-v101-melnikov19a，title={学习聚合：解决OWA}的聚合/分解问题，author={Melnikov，Vitalik和H{\“u}llermier，Eyke，booktitle={第十一届亚洲机器学习会议论文集}，页数={1110--1125}，年份={2019}，editor={Lee，Wee Sun和Suzuki，Taiji}，体积={101}，series={机器学习研究论文集}，月={11月17日--19日}，publisher={PMLR}，pdf={http://processes.mlr.press/v101/melnikov19a/melnikov19a.pdf}，url={https://procedures.mlr.press/v101/melnikov19a.html}，abstract={“学习聚合”（LTA）问题最近被引入一种新的机器学习设置，在这种设置中，实例以（变量）的组合形式表示成分编号。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，我们为一种有趣的聚合函数，即有序加权平均（OWA）算子解决了这个问题。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。}}
尾注
%0会议论文%学习聚合：解决OWA的聚合/分解问题%维塔利克·梅尔尼科夫%艾克·Hüllermier%第十一届亚洲机器学习会议论文集%C机器学习研究进展%D 2019年%E Wee Sun Lee先生%E铃木太极拳%F pmlr-v101-melnikov19a型%I项目经理%电话1110--1125%U型https://proceedings.mlr.press/v101/melnikov19a.html%101伏%X“学习聚合”（LTA）问题最近被引入为一种新的机器学习设置，在这种设置中，实例以成分上的（可变）数的组合形式表示。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。
亚太地区
Melnikov，V.&Hüllermeier，E.（2019年）。学习聚合：解决OWA的聚合/分解问题。第十一届亚洲机器学习会议记录，英寸机器学习研究进展101:1110-1125网址：https://proceedings.mlr.press/v101/melnikov19a.html。

相关材料