北卡罗来纳州Diamantidis。;D.卡利斯。;E.A.贾库马基斯。 准确性估计交叉验证的无监督分层。 （英语） Zbl 0939.68744号 Artif公司。智力。 116，编号1-2，1-16（2000）. 总结：新学习算法的快速发展增加了对改进精度估计方法的需求。此外，允许比较几种不同学习算法的方法对于新算法的性能评估非常重要。本文提出了一种新的精度估计方法，它是k折交叉验证方法的扩展。所提出的方法不是使用随机抽样方法，而是确定性地构造交叉验证折叠。通过利用实例空间中实例的分布，使用无监督分层执行褶皱的确定性构造。我们的方法要么基于单中心方法，要么基于聚类过程。这些方法试图构造更具代表性的褶皱，从而减少了结果估计值的偏差。同时，由于不存在随机性，我们的方法允许在不同实验中直接比较学习算法的性能。报告了一个测试所提出方法性能的模拟实验，描述了它们在各种情况下的行为。新方法主要减少了估计量的偏差。 引用于2文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：机器学习;归纳学习;交叉验证;精度估计;群集 软件：UCI-毫升;SPSS软件;4.5条;MLC公司++;引导程序 PDF格式BibTeX公司 XML格式引用 \textit{N.A.Diamantidis}等人，Artif。智力。116，编号1--2，1--16（2000；Zbl 0939.68744） 全文： 内政部 参考文献： [1] 阿哈·D·。；Kibler，D。；Albert，M.，基于实例的学习算法，机器学习，6，37-66（1991） [2] 布雷曼，L。；弗里德曼，J。；Olshen，R。；Stone，C.，《分类和回归树》（1984），沃兹沃斯：加利福尼亚州沃兹沃思贝尔蒙特·Zbl 0541.62042号 [3] 布雷曼，L。；Spector，P.，回归中的子模型选择和评估。X随机案例，国际。统计师。修订版，60，291-319（1992） [4] Cheesman，P。；Stutz，J.，《贝叶斯分类（AutoClass）：理论和结果》，（Fayyad，U.M.；Piatesky-Shapiro，G.；Smyth，P.；Uthurusamy，R.，《知识发现和数据挖掘的进展》（1996），麻省理工学院出版社：麻省理学院出版社，马萨诸塞州剑桥），153-180 [5] 克拉克·P。；Boswell，R.，《CN2规则归纳：最近的一些改进》，（第五届欧洲学习工作会议记录（1991年），施普林格：柏林施普林格出版社），151-163 [6] 切割，D.R。；Pedersen，J.O。；Karger，D.R。；Tukey，J.W.，《分散/聚集：浏览大型文档集的基于聚类的方法》，（第15届国际ACM/SIGIR年会（1992年），第318-329页 [7] Efron，B.，《估算预测规则的错误率：交叉验证的改进》，J.Amer。统计师。协会，78，316-330（1983）·Zbl 0543.62079号 [8] 埃夫隆，B。；Tibshirani，R.，《Bootstrap简介》（1993），查普曼和霍尔：查普曼与霍尔伦敦·Zbl 0835.62038号 [9] 埃夫隆，B。；Tibshirani，R.，《交叉验证和引导：估算预测规则的错误率》，《技术报告477》（1995年），斯坦福大学，网址：http://utstat.toronto.edu/tibs/research.html [10] Everitt，B.S.，《聚类分析》（1980），霍尔斯特德出版社：伦敦霍尔斯特出版社·Zbl 0406.62042号 [11] Furnkranz，J.，《集成窗口》，J.人工智能研究，8129-164（1998）·Zbl 0891.68078号 [12] Hardy，A.，关于簇的数量，Comput。统计师。数据分析。，23, 83-96 (1996) ·Zbl 0900.92186号 [13] Kohavi，R.，《性能增强和不经意决策图的包装器》，斯坦福大学计算机科学系博士论文（1995），网址：http://robotics.stanford.edu/ronnyk/ [14] Kohavi，R。；Sommerfield，D。；Dougherty，J.，使用MLC++进行数据挖掘：C++中的机器学习库，（人工智能工具（1996），IEEE计算机社会出版社），234-245 [15] Kohavi，R。；Wolpret，D.，零损失函数的偏差加方差分解，（第13届机器学习国际会议，意大利巴里（1996），Morgan Kaufmann:Morgan Koufmann San Mateo，CA），274-283 [16] E.B.孔。；Dietterich，T.G.，《纠错输出编码纠正偏差和方差》，（第12届机器学习国际会议，加利福尼亚州塔霍市（1995），Morgan Kaufmann:Morgan Koufmann San Mateo，CA），313-321 [17] 刘易斯，D.D。；Catlett，J.，《监督学习的异质不确定性抽样》，（第11届机器学习国际会议，新泽西州新不伦瑞克（1994），Morgan Kaufmann:Morgan Koufmann San Mateo，CA），148-156 [18] Merz，C.J。；Murphy，P.M.，UCI机器学习数据库库，http://www.ics.uci.edu/MLRepository.html（1998），加利福尼亚大学信息与计算机科学系：加利福尼亚大学信息和计算机科学系，加利福尼亚州欧文 [19] Mitchell，T.，《学习泛化中对偏见的需要》（Shavlik，J.；Dietterich，T.G.，《机器学习中的阅读》（1990），Morgan Kaufmann:Morgan Koufmann San Mateo，CA），184-192年 [20] Mojena，R.，《分层分组方法和停止规则：评估》，《计算机杂志》，20359-363（1977）·Zbl 0364.62065号 [21] Quinlan，J.R.，C4.5：机器学习课程（1993），Morgan Kaufmann:Morgan Koufmann San Mateo，CA [22] Rohatgi，V.，《统计推断》（1984），威利：威利纽约·Zbl 0537.62001号 [23] Schaffer，C.，通过交叉验证选择分类方法，机器学习，13，135-143（1993） [24] Schaffer，C.，泛化性能的守恒定律，（第11届机器学习国际会议，新泽西州新不伦瑞克（1994），Morgan Kaufmann:Morgan Koufmann San Mateo，CA），259-267 [25] SPSS手册，专业统计6.1，SPSS公司（1994） [26] Stone，M.，统计预测的交叉验证选择和评估，J.Roy。统计师。《社会学杂志》，36，111-147（1974）·Zbl 0308.62063号 [27] 韦斯，S。；Kulikowski，C.，《学习的计算机系统》（1991），Morgan Kaufmann:Morgan Koufmann San Mateo，CA [28] Yang，Y.，文本分类中的抽样策略和学习效率，（AAAI信息访问中机器学习春季研讨会（1996），AAAI出版社），88-95 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。