論文の概要: k-Nearest Neighbour Classifiers: 2nd Edition (with Python examples)

• arxiv url: http://arxiv.org/abs/2004.04523v2
• Date: Wed, 29 Apr 2020 11:07:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-15 02:10:41.016929
• Title: k-Nearest Neighbour Classifiers: 2nd Edition (with Python examples)
• Title（参考訳）: k-nearestの隣の分類器:第2版(python例付き)
• Authors: Padraig Cunningham, Sarah Jane Delany
• Abstract要約: 最近隣の分類は、クエリの例に最も近い隣人を識別し、それらの隣人をクエリのクラスを決定することで達成される。 本稿では, 周辺地域分類の手法の概要, 類似性(距離)を評価するメカニズム, 近隣地域を特定する際の計算問題, データの次元を小さくするメカニズムについて述べる。
• 参考スコア（独自算出の注目度）: 2.639737913330821
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Perhaps the most straightforward classifier in the arsenal or machine learning techniques is the Nearest Neighbour Classifier -- classification is achieved by identifying the nearest neighbours to a query example and using those neighbours to determine the class of the query. This approach to classification is of particular importance because issues of poor run-time performance is not such a problem these days with the computational power that is available. This paper presents an overview of techniques for Nearest Neighbour classification focusing on; mechanisms for assessing similarity (distance), computational issues in identifying nearest neighbours and mechanisms for reducing the dimension of the data. This paper is the second edition of a paper previously published as a technical report. Sections on similarity measures for time-series, retrieval speed-up and intrinsic dimensionality have been added. An Appendix is included providing access to Python code for the key methods.
• Abstract（参考訳）: おそらく、兵器や機械学習のテクニックで最も単純な分類法は、Nearest Neighbour Classifierである -- クエリの例に最も近い隣人を識別し、クエリのクラスを決定するためにそれらの隣人を使用することによって、分類が達成される。 この分類へのアプローチは特に重要であり、最近は計算能力に問題があるが、実行時の性能の低下は問題にならない。 本稿では, 周辺地域分類の手法の概要, 類似性(距離)を評価するメカニズム, 近隣地域を特定する際の計算問題, データの次元を小さくするメカニズムについて述べる。 本論文は,以前に技術報告として公表した論文の第2版である。 時系列,検索速度,内在次元の類似度に関する節が追加されている。 Appendixは、キーメソッドのPythonコードへのアクセスを提供する。

関連論文リスト

• Mitigating Word Bias in Zero-shot Prompt-based Classifiers [55.60306377044225]
  一致したクラス先行は、オラクルの上界性能と強く相関していることを示す。 また,NLPタスクに対するプロンプト設定において,一貫したパフォーマンス向上を示す。
  論文  参考訳（メタデータ） (2023-09-10T10:57:41Z)
• Divide&Classify: Fine-Grained Classification for City-Wide Visual Place Recognition [21.039399444257807]
  ディバイド&クラス化(D&C)は、分類ソリューションの高速な推論と、都市全体のきめ細かい設定で検索方法と競合する精度を享受する。 我々は,D&Cを既存の検索パイプラインと組み合わせることで,計算処理を20倍以上高速化し,リコールを増大させることができることを示す。
  論文  参考訳（メタデータ） (2023-07-17T11:57:04Z)
• Retrieval-Augmented Classification with Decoupled Representation [31.662843145399044]
  そこで本研究では,KNN(Kk$-nearest-neighbor)に基づく拡張分類検索手法を提案する。 分類と検索の共有表現がパフォーマンスを損なうことや,トレーニングの不安定化につながることが判明した。 本手法は,幅広い分類データセットを用いて評価する。
  論文  参考訳（メタデータ） (2023-03-23T06:33:06Z)
• Classifying with Uncertain Data Envelopment Analysis [0.0]
  本稿では,不完全データの現実を前提とした新しい分類手法を提案する。 本モデルでは、不確実なデータ包絡分析を用いて、公平な効率に対する分類の近接性を定義する。 本研究は, ダウ・ジョーンズ工業平均の30株をパフォーマンスレベルに分類し, 前立腺治療を臨床効果カテゴリーに分類することで結論付けた。
  論文  参考訳（メタデータ） (2022-09-02T13:41:19Z)
• ReAct: Temporal Action Detection with Relational Queries [84.76646044604055]
  本研究は,アクションクエリを備えたエンコーダ・デコーダフレームワークを用いて,時間的行動検出(TAD)の進展を図ることを目的とする。 まず,デコーダ内の関係注意機構を提案し,その関係に基づいてクエリ間の関心を誘導する。 最後に、高品質なクエリを区別するために、推論時に各アクションクエリのローカライズ品質を予測することを提案する。
  論文  参考訳（メタデータ） (2022-07-14T17:46:37Z)
• Riemannian classification of EEG signals with missing values [67.90148548467762]
  本稿では脳波の分類に欠落したデータを扱うための2つの方法を提案する。 第1のアプローチでは、インプットされたデータと$k$-nearestの隣人アルゴリズムとの共分散を推定し、第2のアプローチでは、期待最大化アルゴリズム内で観測データの可能性を活用することにより、観測データに依存する。 その結果, 提案手法は観測データに基づく分類よりも優れており, 欠落したデータ比が増大しても高い精度を維持することができることがわかった。
  論文  参考訳（メタデータ） (2021-10-19T14:24:50Z)
• A Framework for Multi-View Classification of Features [6.660458629649826]
  データ分類問題の解決では、機能セットが大きすぎると、典型的なアプローチではその問題を解決することができない。 本研究では,人間の複数視点理論における物体認識の問題に触発された,多視点アンサンブル分類のための革新的な枠組みを提案する。
  論文  参考訳（メタデータ） (2021-08-02T16:27:43Z)
• Cross-Domain Generalization Through Memorization: A Study of Nearest Neighbors in Neural Duplicate Question Detection [72.01292864036087]
  重複質問検出(DQD)は,コミュニティの効率向上と自動質問応答システムの実現に重要である。 我々は、DQDのクロスドメイン一般化のために、ニューラル表現を活用し、近接する隣人を研究する。 StackExchange、Spring、Quoraの各データセットの異なるクロスドメインシナリオにおいて、このメソッドの堅牢なパフォーマンスを観察します。
  論文  参考訳（メタデータ） (2020-11-22T19:19:33Z)
• Adversarial Examples for $k$-Nearest Neighbor Classifiers Based on Higher-Order Voronoi Diagrams [69.4411417775822]
  逆例は機械学習モデルにおいて広く研究されている現象である。 そこで本研究では,$k$-nearest 近傍分類の逆ロバスト性を評価するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-19T08:49:10Z)
• K-Nearest Neighbour and Support Vector Machine Hybrid Classification [0.0]
  この手法は, 近接条件を満たす試験試料にK-Nearest Neighbour Classificationを用いた。 分離されたテストサンプル毎に、Support Vector Machineは、それに関連するトレーニングセットパターンに基づいてトレーニングされ、テストサンプルの分類が行われます。
  論文  参考訳（メタデータ） (2020-06-28T15:26:56Z)
• Few-Shot Open-Set Recognition using Meta-Learning [72.15940446408824]
  オープンセット認識の問題点を考察する。 新しいoPen sEt mEta LEaRning (PEELER)アルゴリズムが導入された。
  論文  参考訳（メタデータ） (2020-05-27T23:49:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。