集成分位数分类器

@第{Lai2019EnsembleQC条，title＝{Ensemble Quantile Classifier}，author={赖元浩和伊恩·麦克劳德}，日志={ArXiv}，年份={2019}，体积={abs/1910.12960}，网址={https://api.semanticscholar.org/CorpusID:204950407}}
[PDF]语义阅读器
3引文
背景引文
三
方法引文
2

本文图表

询问这篇论文
贝塔
人工智能驱动

我们的系统试图限制本文中找到的信息。结果质量可能有所不同。了解更多信息关于我们如何产生这些答案。

3引文

方向分位数分类器

导出了在给定方向下选择最优分位数水平的理论结果，反之，在给定分位数水平下选择最优方向的理论结果。

基于分位数的可变参数分类器

这项工作扩展了基于分位数的分类器，引入了一种方法来确定不同变量潜在的不同最佳百分比，并引入了可变尺度参数。

中国统计局预印号：SS-2023-0014

本文介绍并研究了基于组件模式的分类器，该分类器可以揭示现有基于距离的分类器所遗漏的重要结构，包括单模分类器、多模分类器和量子化模式分类器。

38参考文献

基于分位数的分类器。

在综合仿真研究和实际数据应用中，最优分位数分类器可提供较低的误分类率，并讨论了预测变量分布的偏态性的影响。

基于中值的高维数据分类器

建议使用分量中值来构建一个鲁棒分类器，该分类器对重尾数据引起的困难相对不敏感，并且需要直接计算。

回归分位数

一个简单的最小化问题产生了位置模型中的普通样本分位数，它自然地推广到生成我们称之为的一类新统计的线性模型…

使用特征退火独立规则的高维分类。

建立了两样本t统计量选择所有重要特征的条件，并基于分类误差的上界，提出了最优特征数的选择，或者等价地，提出了测试统计量的阈值。

多分类器系统

回顾了以往比较集成方法的一些研究，并提出了一些新的实验来揭示Adaboost不快速溢出的原因。

叠加泛化中的问题

本文讨论了自引入堆叠泛化以来，分类任务中被认为是“黑色艺术”的两个关键问题：适合导出更高级模型的泛化器类型，以及应用作其输入的属性类型。

分位数回归

集成方法：基础和算法

最新的、自包含的介绍了最先进的机器学习方法，集成方法：基础和算法，展示了这些准确的方法是如何在实际任务中使用的。…

在线学习的决策理论推广及其在boosting中的应用

所研究的模型可以解释为研究充分的在线预测模型到一般决策理论设置的广泛抽象扩展，并且表明乘法加权更新了Littestestone？Warmuth规则可以适用于此模型，在某些情况下产生的边界稍弱，但适用于更一般的学习问题。

随机森林

内部估计监测误差、强度和相关性，用于显示对森林中使用的特征数量增加的响应，也适用于回归。