Fast learning rates for plug-in classifiers

Jean-Yves Audibert; Alexandre B. Tsybakov

doi:10.1214/009053606000001217

2007年4月插件分类器的快速学习率

让-伊夫·奥迪伯特,亚历山大·谢巴科夫

安。统计师。 35(2): 608-633 （2007年4月）。 DOI:10.1214/09053606000001217

摘要

最近的研究表明，在裕度（或低噪声）假设下，存在分类器能够获得超额贝叶斯风险的快速收敛速度，即速度快于n个^−1/2这方面的工作提出了以下两个猜想：（i）最佳可实现的快速速率是n个⁻¹和（ii）插件分类器通常比基于经验风险最小化的分类器收敛得慢。我们证明这两个猜想都是不正确的。特别是，我们构造了插件分类器，它不仅可以快速实现，而且还可以超高速利率，也就是说，利率快于n个⁻¹.我们建立了极小极大下界，表明所获得的速率无法改进。