文献

J-GLOBAL ID：202102258022937182   整理番号：21A1194245

Pythonにおけるカーネルベースのアンサンブル学習【JST・京大機械翻訳】

Kernel-Based Ensemble Learning in Python

著者 (2件)： Guedj Benjamin (Inria and University College London, London WC1E 6BT, UK) ,  Desikan Bhargav Srinivasa (University of Chicago, Chicago, IL 60637, USA)
資料名： Information (Web)  (Information (Web))
巻： 11  号： 2  ページ： 63  発行年： 2020年 
JST資料番号： U7203A  ISSN： 2078-2489  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 2つ以上の予備的予測子が利用できる分類と回帰問題のための新しい教師つき学習アルゴリズムを提案した。任意の初期予測子を結合する非線形学習戦略であるカーネルCobraを導入した。カーネルCobraは,Biauらによって導入されたCOBRAアルゴリズム(2016)に構築され,それは訓練データに関する予測の近接性の概念に基づく推定子を結合した。COBRAアルゴリズムは,訓練データが接近し,使用するのに,二値閾値を使用したが,近接情報をより良くカプセル化するためにカーネルを用いてこのアイデアを一般化した。そのような平滑化カーネルは,集合と最終予測子を構築するために用いられる訓練ポイントの各々に対して,より代表的な重みを提供し,カーネルCobraは,COBRAアルゴリズムよりも系統的に優れている。COBRAは回帰を意図しているが,カーネルCobraは分類と回帰を扱う。カーネルCobraは,オープンソースPythonパッケージPycobra(0.24および上向)の部分として含まれ,Srinivasa Desikan(2018)によって導入された。実生活および合成データセットにおけるカーネルCobraの性能(純粋予測および計算複雑度に関して)を評価するために,数値実験を行った。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  教師つき学習 ,  計算量 ,  平滑化 ,  推定量 ,  機械学習
準シソーラス用語： 訓練データ ,  *アンサンブル学習 ,  予測子 ,  数値実験 ,  *Python ,  オープンソース , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  ピトン ,  アンサンブル学習 ,  カーネル ,  オープンソースソフトウェア

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (13件)：

• Bell, R.M.; Koren, Y. Lessons from the Netflix prize challenge. ACM SIGKDD Explor. Newsl. 2007, 9, 75-79.
• Dietterich, T.G. Ensemble methods in machine learning. In International Workshop on Multiple Classifier Systems; Springer: Berlin, Germany, 2000; pp. 1-15.
• Giraud, C. Introduction to High-Dimensional Statistics; CRC Press: Boca Raton, FL, USA, 2014.
• Shalev-Shwartz, S.; Ben-David, S. Understanding Machine Learning: From Theory to Algorithms; Cambridge University Press: Cambridge, UK, 2014.
• Mojirsheibani, M. Combining classifiers via discretization. J. Am. Stat. Assoc. 1999, 94, 600-609.

タイトルに関連する用語 (3件)： Python ,  カーネル ,  アンサンブル学習