陈玉川；哈，Hyejung；Kim、Hyunjoong；安洪石 典型森林。 （英语） Zbl 1306.65046号 计算。斯达。 29，第3-4号，849-867（2014）. 摘要：我们提出了一种新的分类集成方法，命名为典型森林。该方法利用典型线性判别分析（CLDA）和自举方法获得准确多样的分类器，构成集成。我们注意到CLDA是一种线性转换工具，而不是降维工具。由于CLDA将找到转换后的空间，从而在分布上将类分隔得更远，因此在此空间上构建的分类器将比原始空间上的分类器更准确。为了进一步促进集成中分类器的多样性，CLDA仅应用于每个引导数据的部分特征空间。为了比较典型森林和其他广泛使用的集成方法的性能，我们在29个真实或人工数据集上对它们进行了测试。在大多数数据集中，标准森林在精确度上明显优于其他集成方法。根据对偏差和方差分解的调查，典型森林的成功可以归因于方差的减少。 引用于1审查引用于1文件 MSC公司： 62-08 统计问题的计算方法 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分；聚类分析（统计方面） 关键词：典型线性判别分析；分类；合奏；线性鉴别分析；轮作林 软件：ElemStatLearn（电子状态学习）；StatLib数据集存档；AdaBoost-SAMME公司；ml试验台；UCI-毫升 PDF格式BibTeX公司 XML格式引用 \textit{Y.-C.Chen}等人，计算。Stat.29，No.3--4，849-867（2014；Zbl 1306.65046） 全文： 内政部 参考文献： [1] Ahn H，Moon H，Fazzari MJ，Lim N，Chen JJ，Kodell RL（2007）高维数据随机分区的集合分类。计算统计数据分析51:6166-6179·Zbl 1203.62115号 ·doi:10.1016/j.csda.2006.12.043 [2] Anthony M，Biggs N（1992），计算学习理论。剑桥大学出版社·兹伯利0755.68115 [3] 亚松森A，纽曼DJ（2007）UCI机器学习库。加州大学欧文分校信息与计算机科学学院。网址：http://www.ics.uci.edu/mlearn/MLRepository.html·Zbl 1027.68113号 [4] Breiman L（1996）装袋预测值。马赫学习24:123-140·Zbl 0858.68080号 [5] Breiman L（1998）Arcing分类器。Ann统计26:801-849·Zbl 0934.62064号 ·doi:10.1214/aos/1024691079 [6] Breiman L（2001）《随机森林》。马赫数学习45:5-32·Zbl 1007.68152号 ·doi:10.1023/A：1010933404324 [7] Breiman L、Friedman JH、Olshen RA、Stone CJ（1984）分类和回归树。贝尔蒙特·沃兹沃思·Zbl 0541.62042号 [8] Cohen J（1960）标称量表的一致系数。教育心理测量20（1）：37-46·doi:10.1177/001316446002000104 [9] Freund Y，Schapire R（1996）使用新的增强算法进行实验。摘自：第十三届机器学习国际会议论文集。Morgan Kaufmann，旧金山，第148-156页·Zbl 1245.62080号 [10] Freund Y，Schapire R（1997）在线学习的决策理论推广及其在助推中的应用。计算机系统科学杂志55:119-139·Zbl 0880.68103号 ·doi:10.1006/jcss.1997.1504 [11] Geman S、Bienenstock E、Doursat R（1992）《神经网络与偏差/方差困境》。神经计算4:1-48·doi:10.1162/neco.1992.4.1.1 [12] Hastie T、Tibshirani R、Friedman J（2001）《统计学习的要素：数据挖掘、推理和预测》。纽约州施普林格·Zbl 0973.62007号 ·doi:10.1007/978-0-387-21606-5 [13] Hayashi K（2012）一种基于协变量的不对称错误标记概率的增强方法。计算统计27:203-218·Zbl 1304.65037号 ·doi:10.1007/s00180-011-0250-8 [14] Heinz G、Peterson LJ、Johnson RW、Kerk CJ（2003）《探索身体尺寸的关系》。J统计教育11。http://www.amstat.org/publications/jse/v11n2/datasets.heinz.html出版物 [15] Holm S（1979）一种简单的顺序拒绝多重试验程序。扫描J统计6:65-70·Zbl 0402.62058号 [16] Hothorn T，Lausen B（2003）《双重标记：通过引导聚合组合分类器》。图案识别36:1303-1309·Zbl 1028.68144号 ·doi:10.1016/S0031-3203（02）00169-3 [17] 冀C，马S（1997）弱量词组合。IEEE Trans神经网络8（1）：32-42·doi:10.1109/72.554189 [18] Kestler HA、Lausser L、Linder W、Palm G（2011）《关于融合阈值分类器进行分类和降维的研究》。计算统计26:321-340·兹比尔1304.65045 ·doi:10.1007/s00180-011-0243-7 [19] Kim H，Loh WY（2001）具有无偏多路分裂的分类树。美国统计学会杂志96:589-604·doi:10.1198/016214501753168271 [20] Kim H，Loh WY（2003）二元线性判别节点模型的分类树。J计算图表统计12:512-530·doi:10.1198/1061860032049 [21] Kim H，Kim H、Moon H、Ahn H（2011）一种用于分类器集成的加权调整投票算法。J Korean Stat Soc韩国统计学会40:437-449·Zbl 1296.62131号 ·doi:10.1016/j.jkss.2011.03.002 [22] Kohavi R，Wolpert DH（1996）零损失函数的偏差加方差分解。摘自：第十三届机器学习国际会议论文集。Morgan Kaufmann，旧金山，第275-283页 [23] Kong EB，Dietterich TG（1995）纠错输出编码纠正偏差和方差。摘自：第十二届机器学习国际会议论文集。Morgan Kaufmann，旧金山，第313-321页 [24] 李坤雪娃（Kuncheva，LI）；罗德里格斯，JJ；Haindl，H.（编辑）；基特勒，J.（编辑）；Roli，F.（编辑），《轮换森林群的实验研究》，459-468（2007），柏林·doi:10.1007/978-3-540-72523-746 [25] Kuncheva LI，Whitaker CJ（2003）量度分类器集合的多样性。马赫学习51:181-207·Zbl 1027.68113号 ·doi:10.1023/A:1022859003006 [26] Leisch F，Dimitriadou E（2010）mlbench:机器学习基准问题。R包版本2.0-0 [27] Loh WY（2010）提高分类树的精度。应用统计年鉴4:1710-1737·Zbl 1184.62109号 [28] Rodríguez JJ，Kuncheva LI，Alonso CJ（2006）《旋转森林：一种新的分类器集成方法》。IEEE Trans-Pattern Ana Mach Intell 28（10）：1619-1630·doi:10.1109/TPAMI.2006.211 [29] Schapire RE（1990）弱可学习性的力量。马赫学习5:197-227 [30] Statlib（2010）数据集存档。卡内基梅隆大学统计系。http://lib.stat.cmu.edu [31] Terhune JM（1994）竖琴海豹水下发声的地理变异。Can J Zool坎·佐尔72:892-897·doi:10.1139/z94-121 [32] Zhu J，Rosset S，Zou H，Hastie T（2009）多级Adaboost。Stat接口2:349-360·Zbl 1245.62080号 ·doi:10.4310/SII.2009.v2.n3.a8 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。