論文の概要: A Random Projection k Nearest Neighbours Ensemble for Classification via Extended Neighbourhood Rule

• arxiv url: http://arxiv.org/abs/2303.12210v1
• Date: Tue, 21 Mar 2023 21:58:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-23 16:08:16.971406
• Title: A Random Projection k Nearest Neighbours Ensemble for Classification via Extended Neighbourhood Rule
• Title（参考訳）: 拡張隣接規則による分類のためのランダム射影k近傍近傍アンサンブル
• Authors: Amjad Ali, Muhammad Hamraz, Dost Muhammad Khan, Wajdan Deebani, Zardad Khan
• Abstract要約: k近い隣人(kNN)に基づくアンサンブルは、多数の基礎学習者を組み合わせている。 RPExNRuleアンサンブルは、与えられたトレーニングデータからのブートストラップサンプルをランダムに低次元に投影する。
• 参考スコア（独自算出の注目度）: 0.5052937880533719
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ensembles based on k nearest neighbours (kNN) combine a large number of base learners, each constructed on a sample taken from a given training data. Typical kNN based ensembles determine the k closest observations in the training data bounded to a test sample point by a spherical region to predict its class. In this paper, a novel random projection extended neighbourhood rule (RPExNRule) ensemble is proposed where bootstrap samples from the given training data are randomly projected into lower dimensions for additional randomness in the base models and to preserve features information. It uses the extended neighbourhood rule (ExNRule) to fit kNN as base learners on randomly projected bootstrap samples.
• Abstract（参考訳）: k近い隣人(kNN)に基づくアンサンブルは、与えられたトレーニングデータから得られたサンプルに基づいて構築された多数のベースラーナーを組み合わせる。 典型的なkNNベースのアンサンブルは、テストサンプルポイントに制限されたトレーニングデータにおいて、そのクラスを予測するために球面領域によってkに近い観測値を決定する。 本稿では,与えられたトレーニングデータからのブートストラップサンプルを,ベースモデルに付加的なランダム性を持たせるために低次元にランダムに投影し,特徴情報を保存する新しいランダム投影拡張近傍規則(rpexnrule)アンサンブルを提案する。 拡張隣接規則(exnrule)を使用して、ランダムに投影されたブートストラップサンプルのベース学習者にnnを適合させる。

関連論文リスト

• Adaptive $k$-nearest neighbor classifier based on the local estimation of the shape operator [49.87315310656657]
  我々は, 局所曲率をサンプルで探索し, 周辺面積を適応的に定義する適応型$k$-nearest(kK$-NN)アルゴリズムを提案する。 多くの実世界のデータセットから、新しい$kK$-NNアルゴリズムは、確立された$k$-NN法と比較してバランスの取れた精度が優れていることが示されている。
  論文  参考訳（メタデータ） (2024-09-08T13:08:45Z)
• Sample size planning for conditional counterfactual mean estimation with a K-armed randomized experiment [0.0]
  K$のランダム化実験で十分なサンプルサイズを決定する方法を示す。 政策木を用いてサブグループを学習し、公開可能な大規模なランダム化実験データセットにおいて、我々の名目上の保証を評価する。
  論文  参考訳（メタデータ） (2024-03-06T20:37:29Z)
• Random Boxes Are Open-world Object Detectors [71.86454597677387]
  ランダム領域の提案によって訓練された分類器が最先端のオープンワールドオブジェクト検出(OWOD)を実現することを示す。 我々はRandBoxを提案する。RandBoxはR-CNNベースのアーキテクチャで、各トレーニングでランダムな提案を訓練する。 RandBoxは、すべてのメトリクスにおいて、過去の最先端を著しく上回っている。
  論文  参考訳（メタデータ） (2023-07-17T05:08:32Z)
• Joint Bayesian Inference of Graphical Structure and Parameters with a Single Generative Flow Network [59.79008107609297]
  本稿では,ベイジアンネットワークの構造上の結合後部を近似する手法を提案する。 サンプリングポリシが2フェーズプロセスに従う単一のGFlowNetを使用します。 パラメータは後部分布に含まれるため、これは局所確率モデルに対してより柔軟である。
  論文  参考訳（メタデータ） (2023-05-30T19:16:44Z)
• Optimal Extended Neighbourhood Rule $k$ Nearest Neighbours Ensemble [1.8843687952462742]
  本稿では,新しい拡張近傍ルールに基づくアンサンブル法を提案する。 アンサンブルは、精度、Cohen's kappa、Brier score(BS)を使用した17のベンチマークデータセットの最先端の手法と比較される。
  論文  参考訳（メタデータ） (2022-11-21T09:13:54Z)
• Intersection of Parallels as an Early Stopping Criterion [64.8387564654474]
  そこで本研究では,検証セットを必要とせずに,トレーニングイテレーションの早期停止点を見つける手法を提案する。 幅広い学習率において,コサイン距離基準 (CDC) と呼ばれる手法は,比較したすべての手法よりも平均的な一般化に寄与する。
  論文  参考訳（メタデータ） (2022-08-19T19:42:41Z)
• Measuring the Effect of Training Data on Deep Learning Predictions via Randomized Experiments [5.625056584412003]
  本研究では,ディープラーニングモデルに対するトレーニングデータポイントの寄与度を推定するアルゴリズムを開発した。 提案アルゴリズムは,トレーニングデータのサブセットにデータポイントを追加することにより,期待値(平均値)の限界効果を測定する量であるAMEを推定する。
  論文  参考訳（メタデータ） (2022-06-20T21:27:18Z)
• A k nearest neighbours classifiers ensemble based on extended neighbourhood rule and features subsets [0.4709844746265484]
  kNNベースのアンサンブル法は、不明瞭な観測に最も近い与えられた特徴空間におけるデータポイントの集合を識別することにより、外れ値の効果を最小化する。 そこで本論文では, 隣人がkステップで決定される, k近傍のアンサンブルを提案する。
  論文  参考訳（メタデータ） (2022-05-30T13:57:32Z)
• Transformers Can Do Bayesian Inference [56.99390658880008]
  我々はPFN(Presideed Data Fitted Networks)を提案する。 PFNは、大規模機械学習技術におけるインコンテキスト学習を活用して、大規模な後部集合を近似する。 我々は、PFNがガウス過程をほぼ完璧に模倣し、難解問題に対する効率的なベイズ推定を可能にすることを示した。
  論文  参考訳（メタデータ） (2021-12-20T13:07:39Z)
• Distributed Adaptive Nearest Neighbor Classifier: Algorithm and Theory [6.696267547013535]
  そこで本研究では,データ駆動基準によりパラメータ選択された,近接する隣人の数がパラメータとなる分散適応型NN分類器を提案する。 有限標本性能を向上する最適チューニングパラメータを探索する際,早期停止規則を提案する。 特に、サブサンプルサイズが十分に大きい場合、提案した分類器がほぼ最適な収束率を達成することを示す。
  論文  参考訳（メタデータ） (2021-05-20T14:38:41Z)
• 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)

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。