巴拉克里什南，纳拉亚纳斯瓦米;马吉德·莫吉尔斯海巴尼 一种简单的方法，用于组合估计以提高分类中的总体错误率。 （英语） Zbl 1329.65023号 计算。斯达。 30，第4期，1033-1049（2015）。 摘要：为了开发更有效的分类规则，我们提出了一种新的易于实现的程序，用于组合不同的分类器。该方法的工作原理是找到一个新观测值（必须分类）的类条件期望的非参数估计，条件是与单个分类器对应的（J）预测值向量。在这里，我们提出了一种数据分割方法来进行各种类条件期望的估计。结果表明，在相当小的假设条件下，所提出的组合分类器是最优的，因为它的总误分类率渐近小于（或等于）任何一个单独分类器的误分类率。还进行了仿真研究以评估所提方法。此外，为了使数值结果更具挑战性，我们还考虑了高维稳定分布（Cauchy）。 引用于3文件 MSC公司： 62-08 统计问题的计算方法 62H30型 分类和区分；聚类分析（统计方面） 关键词：数据拆分;误分类错误;渐近的;汇聚 软件：超级学习者 PDF格式BibTeX公司 XML格式引用 \textit{N.Balakrishnan}和\textit{M.Mojirsheibani}，计算。Stat.30，No.4，1033--1049（2015；Zbl 1329.65023） 全文： 内政部 参考文献： [1] Adler W、Brenning A、Potapov S、Schmid M、Lausen B（2011）成对数据的集合分类。计算统计数据分析55:1933-1941·Zbl 1328.62578号 [2] Biau G、Fischer A、Guedj B、Malley J（2013）《COBRA：非线性聚合策略》。arXiv:1303.2236v1[math.ST]·Zbl 1334.62005年 [3] Boser B，Guyon I，Vapnik V（1992）最佳边缘分类器的训练算法。摘自：计算学习理论第五届年度研讨会论文集，第5卷，第144-152页·Zbl 0953.62060号 [4] Breiman L（1995）叠加回归。马赫学习24:49-64·Zbl 0849.68104号 [5] Breiman L（1996a）装袋预测值。马赫学习24:123-140·Zbl 0858.68080号 [6] Breiman L（1996b）银行外估计。加州大学伯克利分校统计系技术报告 [7] Breiman L（2001）《随机森林》。马赫学习45:5-32·Zbl 1007.68152号 ·doi:10.1023/A:1010933404324 [8] De Bock KW，Coussement K，Van den Poel D（2010），基于广义可加模型的集成分类。计算统计数据分析54:1535-1546·Zbl 1284.62368号 ·doi:10.1016/j.csda.2009.12.013 [9] Devroye L，Györfi L，Lugosi G（1996）模式识别的概率理论。纽约州施普林格·Zbl 0853.68150号 ·doi:10.1007/978-1-4612-0711-5 [10] Fauvel M、Chanuscot J、Benediktsson JA（2006）城市遥感图像分类的决策融合。IEEE Trans Geosci遥感44:2828-2838·doi:10.1109/TGRS.2006.876708 [11] Galar M，Fernandez A，Bustince H，Herrera F（2011）多类问题中二进制分类器集成方法概述：一对一和一对所有方案的实验研究。图案识别44:1761-1776·doi:10.1016/j.patcog.2011.01.017 [12] Hastie T，Tibshirani R（1996）高斯混合判别分析。J R Stat Soc B期刊58:155-176·Zbl 0850.62476号 [13] LeBlanc M，Tibshirani R（1996）回归和分类中的组合估计。美国统计协会杂志91:1641-1650·Zbl 0881.62046号 [14] Little R，Rubin D（1987）缺失数据的统计分析。纽约威利·Zbl 0665.62004号 [15] Mojirsheibani M（1997）一致的组合分类规则。统计概率Lett 36:43-47·Zbl 0953.62060号 ·doi:10.1016/S0167-7152（97）00047-3 [16] Mojirsheibani M（1999）基于离散化的分类器组合。美国统计协会杂志94:600-609·Zbl 0997.62048号 ·doi:10.1080/01621459.1999.10474154 [17] van der Laan M，Dudoit S，van der Vaart A（2006）交叉验证自适应ε-网估计器。统计数字24:373-395·Zbl 1111.62003号 [18] van der Laan，M，Polley E，Hubbard A（2007）超级学习者。遗传学和分子生物学中的统计学应用，6，第25条，第23页·兹比尔0849.68104 [19] Wolpert D（1992）叠加概括。神经网络5:241-259·doi:10.1016/S0893-6080（05）80023-1 [20] Xu L，Kryzak A，Suen CY（1992）组合多分类器的方法及其在手写识别中的应用。IEEE Trans-Syst Man Cybern 22:418-435电气与电子工程师协会·数字对象标识代码：10.1109/21.155943 [21] Yang Y（2000）结合不同的自适应回归程序。多变量分析杂志74:135-161·Zbl 0964.62032号 ·doi:10.1006/jmva.1999.1884 [22] Yang Y（2004）《聚合回归程序以提高绩效》。伯努利10:25-47·Zbl 1040.62030 ·doi:10.3150/bj/1077544602 [23] Yiu K，Mak M，Li C（1999）用于模式分类的高斯混合模型和基于概率决策的神经网络：比较研究。神经计算应用程序8:235-245·doi:10.1007/s005210050026 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。