論文の概要: A new class of generative classifiers based on staged tree models

• arxiv url: http://arxiv.org/abs/2012.13798v1
• Date: Sat, 26 Dec 2020 19:30:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-25 01:24:11.999420
• Title: A new class of generative classifiers based on staged tree models
• Title（参考訳）: 段木モデルに基づく新しい生成型分類器のクラス
• Authors: Federico Carli, Manuele Leonelli, Gherardo Varando
• Abstract要約: 分類のための生成モデルは、クラス変数と特徴の合同確率分布を使用して決定規則を構成する。 ここでは,ステージ付き木分類器と呼ばれる,コンテキスト固有の独立性を考慮した新しい生成型分類器を導入する。 タイタニックの乗客の運命を予測するための応用分析は、生成分類器の新しいクラスが与えることができる洞察を強調します。
• 参考スコア（独自算出の注目度）: 2.66269503676104
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative models for classification use the joint probability distribution of the class variable and the features to construct a decision rule. Among generative models, Bayesian networks and naive Bayes classifiers are the most commonly used and provide a clear graphical representation of the relationship among all variables. However, these have the disadvantage of highly restricting the type of relationships that could exist, by not allowing for context-specific independences. Here we introduce a new class of generative classifiers, called staged tree classifiers, which formally account for context-specific independence. They are constructed by a partitioning of the vertices of an event tree from which conditional independence can be formally read. The naive staged tree classifier is also defined, which extends the classic naive Bayes classifier whilst retaining the same complexity. An extensive simulation study shows that the classification accuracy of staged tree classifiers is competitive with those of state-of-the-art classifiers. An applied analysis to predict the fate of the passengers of the Titanic highlights the insights that the new class of generative classifiers can give.
• Abstract（参考訳）: 分類のための生成モデルは、クラス変数と特徴の合同確率分布を使用して決定規則を構成する。 生成モデルのうち、ベイズネットワークとナイーブベイズ分類器が最も一般的に使われ、すべての変数間の関係を明確に表現している。 しかしこれらは、文脈固有の独立を許さないことで、存在可能な関係のタイプを高度に制限する欠点がある。 ここでは,ステージ付き木分類器と呼ばれる,コンテキスト固有の独立性を考慮した新しい生成型分類器を導入する。 これらは、条件付き独立性が形式的に読み取れるイベントツリーの頂点の分割によって構成される。 naive staged tree分類器も定義されており、同じ複雑さを維持しながら、古典的なnaive bayes分類器を拡張する。 大規模シミュレーションにより,段階木分類器の分類精度は最先端の分類器と競合することが示された。 タイタニック号の乗客の運命を予測するための応用分析は、新しい世代分類器が与えうる洞察を強調している。

関連論文リスト

• Context-Specific Refinements of Bayesian Network Classifiers [1.9136291802656262]
  分類器の新しいクラスとベイズネットワークの関係について検討する。 モデルにデータ駆動学習ルーチンを導入し実装する。 この研究は、非対称情報を埋め込んだモデルが分類精度を高めることを実証している。
  論文  参考訳（メタデータ） (2024-05-28T15:50:50Z)
• Generative Multi-modal Models are Good Class-Incremental Learners [51.5648732517187]
  クラス増分学習のための新しい生成型マルチモーダルモデル(GMM)フレームワークを提案する。 提案手法は適応生成モデルを用いて画像のラベルを直接生成する。 Few-shot CIL設定では、現在の最先端のすべてのメソッドに対して少なくとも14%精度が向上し、忘れてはならない。
  論文  参考訳（メタデータ） (2024-03-27T09:21:07Z)
• 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)
• Optimal partition of feature using Bayesian classifier [0.0]
  ネイブベイズでは、特定の特徴は独立特徴と呼ばれ、分類を予測する際に条件付き相関や依存を持たない。 本研究では,Naive Bayes法がもたらす課題を克服する手法として,Comonotone-Independence (CIBer)を提案する。
  論文  参考訳（メタデータ） (2023-04-27T21:19:06Z)
• Anomaly Detection using Ensemble Classification and Evidence Theory [62.997667081978825]
  本稿では,アンサンブル分類とエビデンス理論を用いた新しい検出手法を提案する。 固体アンサンブル分類器を構築するためのプール選択戦略が提示される。 我々は異常検出手法の不確実性を利用する。
  論文  参考訳（メタデータ） (2022-12-23T00:50:41Z)
• Structure of Classifier Boundaries: Case Study for a Naive Bayes Classifier [1.1485218363676564]
  境界は巨大かつ複雑であることを示す。 我々はNeighbor similarityと呼ばれる新しい不確実性尺度を作成し、その結果が隣人に対する結果の分布の点と比較する。
  論文  参考訳（メタデータ） (2022-12-08T16:23:42Z)
• Distance Based Image Classification: A solution to generative classification's conundrum? [70.43638559782597]
  差別的境界は、何によって意味論を定義するため、直観に反するものであると論じる。 本稿では,シェル理論の階層的生成過程によって意味的因子が許容される新しい生成モデルを提案する。 本モデルを用いて,意味的手がかりを保ちながら雑音の影響を抑える分類手法を開発した。
  論文  参考訳（メタデータ） (2022-10-04T03:35:13Z)
• Learning and Evaluating Representations for Deep One-class Classification [59.095144932794646]
  ディープワンクラス分類のための2段階フレームワークを提案する。 まず,一級データから自己教師付き表現を学習し,学習した表現に基づいて一級分類器を構築する。 実験では、視覚領域の1クラス分類ベンチマークで最先端の性能を示す。
  論文  参考訳（メタデータ） (2020-11-04T23:33:41Z)
• A Systematic Evaluation: Fine-Grained CNN vs. Traditional CNN Classifiers [54.996358399108566]
  本稿では,大規模分類データセット上でトップノーチ結果を示すランドマーク一般的なCNN分類器の性能について検討する。 最先端のきめ細かい分類器と比較する。 実験において, 粒度の細かい分類器がベースラインを高められるかどうかを判定するために, 6つのデータセットについて広範囲に評価する。
  論文  参考訳（メタデータ） (2020-03-24T23:49:14Z)

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。