孙权;伯恩哈德·普法林格 对元规则进行配对,以获得更好的基于元学习的算法排名。 (英语) Zbl 1293.68241号 机器。学习。 93,编号141-161(2013). 摘要:在本文中,我们提出了一种新的元学习背景下的元特征生成方法,该方法基于以一对一的方式比较单个基础学习者的表现的规则。除了这些新的元学习功能外,我们还引入了一种新的元语言学习器,称为近似排名树森林(ART森林),与几种最先进的元学习器相比,它的表现非常有竞争力。我们的实验结果基于大量数据集,表明所提出的新技术可以显著提高算法排名的元学习的整体性能。我们方法的一个关键点是,任何特定数据集的任何基础学习器的每个性能数据都是通过分别优化每个数据集的基础学习器参数而生成的。 引用于三文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 关键词:元学习;算法排名;排序树;集成学习 软件:威卡;引导数据库 PDF格式BibTeX公司 XML格式引用 \textit{Q.Sun}和\textit{B.Pfahringer},马赫。学习。93,No.1,141--161(2013;Zbl 1293.68241) 全文: 内政部 参考文献: [1] Ali,S.和Smith-Miles,K.A.(2006年)。支持向量机自动核选择的元学习方法。神经计算,70(1-3),173-186·doi:10.1016/j.neucom.2006.03.004 [2] Alvo,M.、Cabilio,P.和Feigin,P.D.(1982年)。调和测度的渐近理论,特别参考平均Kendallτ。统计年鉴,10(4),1269-1276·Zbl 0523.62047号 ·doi:10.1214/aos/1176345992 [3] Bensusan,H.、Giraud-Carrier,C.和Kennedy,C.(2000)。元学习的高阶方法(技术报告)。布里斯托尔大学。 [4] Biau,G.(2012)。随机森林模型分析。《机器学习研究杂志》,第13期,1063-1095页·Zbl 1283.62127号 [5] Blockeel,H。;Raedt,L.D。;Ramon,J.,聚类树的自上而下诱导(1998),圣马特奥 [6] Braddil,P。;贾马,J。;Henery,B.,使用元级学习表征分类算法的适用性(1994年) [7] Braddil,P.、Soares,C.和Da Costa,J.P.(2003)。排名学习算法:在准确性和时间结果上使用ibl和元学习。机器学习,50(3),251-277·Zbl 1033.68082号 ·doi:10.1023/A:1021713901879 [8] Braddil,P.、Giraud Carrier,C.、Soares,C.和Vialta,R.(2009年)。元学习:数据挖掘的应用。柏林:斯普林格·Zbl 1173.68625号 [9] Breiman,L.(1996)。装袋预测器。机器学习,24(2),123-140·Zbl 0858.68080号 [10] Breiman,L.(2001)。随机森林。机器学习,45,5-32·兹比尔1007.68152 ·doi:10.1023/A:1010933404324 [11] Cheng,W。;Hüllermier,E.,使用锦葵模型的基于实例的标签排名,比利时安特卫普 [12] Cheng,W。;Hühn,J.等人。;Hüllermier,E.,标签排名的决策树和基于实例的学习,加拿大蒙特利尔 [13] Cohen,W.W.,《快速有效规则归纳法》(1995),圣马特奥 [14] 米兰达,P。;普鲁登西奥(Prudencio,R.)。;卡瓦略,A。;Soares,C.,将多目标优化方法与元学习相结合用于svm参数选择,2909-2914(2012)·doi:10.1109/ICSMC.2012.6378235 [15] Efron,B.和Tibshirani,R.J.(1993)。引导程序简介。伦敦:查普曼和霍尔·Zbl 0835.62038号 [16] Escalante,H.J.、Montes,M.和Sucar,L.E.(2009年)。粒子群模型选择。机器学习研究杂志,10405-440。 [17] Giraud-Carrier,C.,Metalerning-a tutorial(2008),圣马特奥 [18] Gomes,T.A.、Prudíncio,R.B.、Soares,C.、Rossi,A.L.和Carvalho,A.(2012)。结合元学习和搜索技术来选择支持向量机的参数。神经计算,75(1),3-13·doi:10.1016/j.neucom.2011.07.005 [19] Hall,M.、Frank,E.、Holmes,G.、Pfahringer,B.、Reutemann,P.和Witten,I.H.(2009)。weka数据挖掘软件:更新。ACM SIGKDD探索新闻稿,11(1),10-18·数字对象标识代码:10.1145/1656274.1656278 [20] Hüllermier,E.、Fürnkranz,J.、Cheng,W.和Brinker,K.(2008)。通过学习成对偏好进行排名。人工智能,172(16-17),1897-1916·Zbl 1184.68403号 ·doi:10.1016/j.artint.2008.08.002 [21] Jankowski,N.、Duch,W.和Grabczewski,K.(编辑)(2011年)。计算智能研究:第358卷。计算智能中的元学习。柏林:斯普林格·Zbl 1231.68026号 [22] Järvelin,K.和Kekäläinen,J.(2002)。基于累积收益的红外技术评估。ACM信息系统交易,20(4),422-446·doi:10.1145/582415.582418 [23] Kalousis,A.(2002年)。通过元学习选择算法。日内瓦大学计算机科学系博士论文。 [24] Kalousis,A.和Hilario,M.(2001年)。通过元学习选择模型:一项比较研究。《国际人工智能工具杂志》,10(04),525-554·doi:10.1142/S0218213001000647 [25] Kendall,M.G.(1970年)。等级相关法。伦敦:格里芬·Zbl 0199.53501号 [26] 莱特·R。;Braddil,P.,从样本中预测分类器的相对性能(2005) [27] 莱特·R。;Braddil,P。;Vanschoren,J.,选择分类算法,对类似数据集进行主动测试(2012年) [28] 莱特·R。;Braddil,P。;Vanschoren,J。;Perner,P.(编辑),《使用主动测试选择分类算法》,第7376、117-131号(2012),柏林-海德堡·doi:10.1007/978-3642-31537-4_10 [29] Li,H.(2011)。学习对信息检索和自然语言处理进行排名。人类语言技术综合讲座,4(1),1-113·doi:10.2200/S00348ED1V01Y201104HLT012 [30] Marden,J.I.(1995)。分析和建模等级数据。伦敦:查普曼和霍尔·Zbl 0853.62006号 [31] 普法林格,B。;Bensusan,H。;Giraud-Carrier,C.,通过标记各种学习算法的元学习(2000) [32] Pinto da Costa,J.和Soares,C.(2005年)。相关性的加权秩度量。澳大利亚和新西兰统计杂志,47(4),515-529·Zbl 1127.62052号 ·doi:10.1111/j.1467-842X.2005.00413.x [33] Reif,M.、Shafait,F.和Dengel,A.(2012年)。用于分类器进化参数优化的元学习。机器学习,87,357-380·doi:10.1007/s10994-012-5286-7 [34] Schaffer,C.,推广性能的守恒定律,259-265(1994),圣马特奥 [35] Serban,F.、Vanschoren,J.、Kietz,J.-U.和Bernstein,A.(2013)。数据分析智能助手调查。ACM计算调查。doi:10.5167/uzh-73010·doi:10.5167/uzh-73010 [36] Smith-Miles,K.A.(2009年)。用于算法选择的元学习的跨学科观点。ACM计算调查,41(1),6:1-6:25。 [37] Soares,C.(2004)。学习算法的学习排名。波尔图大学计算机科学系博士论文。 [38] Soares,C.、Braddil,P.B.和Kuba,P.(2004)。支持向量回归中选择核宽度的元学习方法。机器学习,54(3),195-209·Zbl 1101.68083号 ·doi:10.1023/B:MACH.0000015879.28004.9b [39] 孙,Q。;普法林格,B。;Mayo,M.,《数据挖掘运营商领域的完整模型选择》(2012年) [40] 托多罗夫斯基,L。;Blockeel,H。;Dzeroski,S.,预测聚类树排名(2002),柏林·Zbl 1014.68798号 [41] Wolpert,D.H.(1992)。叠加概括。神经网络,5241-259·doi:10.1016/S0893-6080(05)80023-1 [42] Wolpert,D.和Macready,W.(1997年)。优化没有免费午餐定理。IEEE进化计算汇刊,1(1),67-82·doi:10.1109/4235.585893 [43] 徐,J。;Li,H.,Adarank:信息检索的增强算法(2007),纽约 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。