Some aspects of estimating a quality of decision functions construction methods | Vestnik Tomskogo gosudarstvennogo universiteta. Upravlenie, vychislitelnaja tehnika i informatika – Tomsk State University Journal of Control and Computer Science. 2013. № 3(24).

Some aspects of estimating a quality of decision functions construction methods

The paper is devoted to a problem of estimating a quality of decision functions construction methods in classification (pattern recognition) task. An approach based on constructing some special set of testing tasks is investigated. As the testing tasks the distributions delivering the maximal bias of empirical risk are, in particular, used. The statistical modeling performed allows to evaluate an applicability of the results obtained.

Download file

Counter downloads: 348

Keywords

распознавание образов, машинное обучение, решающая функция, вероятность ошибочной классификации, эмпирический риск, pattern recognition, machine learning, decision function, misclassification probability, empirical risk

Authors

Name	Organization	E-mail
Nedelko Victor M.	Institute of Mathematics of the Siberian Branch of the Russian Academy of Sciences (Novosibirsk)	nedelko@math.nsc.ru

Всего: 1

References

Лбов Г.С., Старцева Н.Г. Сравнение алгоритмов распознавания с помощью программной системы «Полигон» // Анализ данных и знаний в экспертных системах. Новосибирск. Вычислительные системы. 1990. Вып.134. С. 56-66.

Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. М.: Наука, 1974. 415 с.

ЛбовГ.С. Выбор эффективной системы зависимых признаков // Вычислительные системы. Новосибирск., 1965. Вып. 19. C. 21-34.

Лбов Г.С., Старцева Н.Г. Логические решающие функции и вопросы статистической устойчивости решений. Новосибирск: Институт математики СО РАН, 1999. 211 с.

Braga-Neto U. and Dougherty E.R. Exact performance of error estimators for discrete classifiers // Pattern Recognition, Elsevier Ltd. 2005. V. 38. Ыо. 11. P. 1799-1814.

Langford J. Quantitatively tight sample complexity bounds. Carnegie Mellon Thesis. 2002. http://citeseer.ist.psu.edu/langford02quantitatively.html. 130 p.

Воронцов К.В., Ивахненко А.А., Инякин А. С. и др. «Полигон» - распределённая система для эмпирического анализа задач и алгоритмов классификации // Всерос. конференция «Математические методы распознавания образов-14». М.: МАКС Пресс, 2009. С. 503506.

Неделько В.М. О точности интервальных оценок вероятности ошибочной классификации, основанных на эмпирическом риске // Всерос. конференция «Математические методы распознавания образов-14». М.: МАКС Пресс, 2009. С. 56-59.

Неделько В.М. Точные и эмпирические оценки вероятности ошибочной классификации. // Научный вестник НГТУ. Новосибирск: Изд-во НГТУ, 2011. № 1(42). С. 3-16.

Nedelko V.M. Estimating a quality of decision function by empirical risk // LNAI 2734. Machine Learning and Data Mining in Pattern Recognition. Third International Conference, MLDM 2003, Leipzig. Proceedings. Springer-Verlag. P. 182-187.

Лемешко Б.Ю., Лемешко С.Б., Постовалов С.Н. Сравнительный анализ мощности критериев согласия при близких альтернативах. II. Проверка сложных гипотез // Сибирский журнал индустриальной математики. 2008. Т.11. № 4(36). С. 78-93.

Неделько В.М. Оптимизация оценки вероятности ошибочной классификации в дискретном случае // Classification, Forecasting, Data Mining. Int. Book Series «Information Science and Computing», Ыо. 8. Supplement to the Int. J. «Information Technologies and Know