×

排名学习算法:在准确性和时间结果上使用IBL和元学习。 (英语) Zbl 1033.68082号

摘要:我们提出了一种元学习方法来支持候选学习算法的选择。它使用(k)-最近邻算法来识别与当前数据集最相似的数据集。使用一组相对较小的数据特征来评估数据集之间的距离,这些数据特征用于表示影响算法性能的属性。候选算法在这些数据集上的性能用于以排名的形式向用户生成推荐。使用多标准评估方法评估性能,该方法不仅考虑准确性,还考虑时间。由于机器学习中使用排名并不常见,我们必须确定并调整现有的统计技术,以设计适当的评估方法。使用该方法,我们表明,与基线排名方法相比,所提出的元学习方法能够显著提高排名。评估方法是通用的,可以适用于其他排名问题。虽然这里我们集中讨论了排名分类算法,但所提出的元学习框架可以帮助选择方法组合或更复杂的问题解决策略。

MSC公司:

68T05型 人工智能中的学习和自适应系统
68周05 非数值算法
PDF格式BibTeX公司 XML格式引用
全文: 内政部