論文の概要: Challenges in Binary Classification

• arxiv url: http://arxiv.org/abs/2406.13665v1
• Date: Wed, 19 Jun 2024 16:11:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-21 19:04:39.329666
• Title: Challenges in Binary Classification
• Title（参考訳）: バイナリ分類の課題
• Authors: Pengbo Yang, Jian Yu,
• Abstract要約: カーネル関数の選択は経験的であり、カーネル関数は最適でない可能性がある。 線形分類では、SVMがこの変分問題フレームワークの特別な場合であると推測できる。 ユークリッド距離について、提案された変分問題には非線形分類にいくつかの制限があることが証明されている。
• 参考スコア（独自算出の注目度）: 12.827730806517664
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Binary Classification plays an important role in machine learning. For linear classification, SVM is the optimal binary classification method. For nonlinear classification, the SVM algorithm needs to complete the classification task by using the kernel function. Although the SVM algorithm with kernel function is very effective, the selection of kernel function is empirical, which means that the kernel function may not be optimal. Therefore, it is worth studying how to obtain an optimal binary classifier. In this paper, the problem of finding the optimal binary classifier is considered as a variational problem. We design the objective function of this variational problem through the max-min problem of the (Euclidean) distance between two classes. For linear classification, it can be deduced that SVM is a special case of this variational problem framework. For Euclidean distance, it is proved that the proposed variational problem has some limitations for nonlinear classification. Therefore, how to design a more appropriate objective function to find the optimal binary classifier is still an open problem. Further, it's discussed some challenges and problems in finding the optimal classifier.
• Abstract（参考訳）: バイナリ分類は機械学習において重要な役割を果たす。 線形分類では、SVMは最適二分分類法である。 非線形分類では、SVMアルゴリズムはカーネル関数を用いて分類タスクを完了する必要がある。 カーネル関数を持つSVMアルゴリズムは非常に有効であるが、カーネル関数の選択は経験的であり、カーネル関数が最適でない可能性がある。 したがって、最適な二項分類器を得る方法を研究する価値がある。 本稿では,最適二項分類器の探索問題について,変分問題として考察する。 2つのクラス間の(ユークリッド)距離の最大ミン問題を用いて、この変分問題の目的関数を設計する。 線形分類では、SVMがこの変分問題フレームワークの特別な場合であると推測できる。 ユークリッド距離について、提案された変分問題には非線形分類にいくつかの制限があることが証明されている。 したがって、最適二項分類器を見つけるためにより適切な目的関数を設計する方法は、まだ未解決の問題である。 さらに、最適な分類器を見つける際の課題と課題についても論じている。

関連論文リスト

• Efficient Convex Algorithms for Universal Kernel Learning [50.877957471649395]
  カーネルの理想的な集合: 線形パラメータ化(トラクタビリティ)を認める; すべてのカーネルの集合に密着する(正確性)。 従来のカーネル最適化アルゴリズムは分類に限られており、計算に複雑なセミデフィニティプログラミング(SDP)アルゴリズムに依存していた。 本稿では,従来のSDP手法と比較して計算量を大幅に削減するSVD-QCQPQPアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-15T04:57:37Z)
• Efficient Approximate Kernel Based Spike Sequence Classification [56.2938724367661]
  SVMのような機械学習モデルは、シーケンスのペア間の距離/相似性の定義を必要とする。 厳密な手法により分類性能は向上するが、計算コストが高い。 本稿では,その予測性能を向上させるために,近似カーネルの性能を改善する一連の方法を提案する。
  論文  参考訳（メタデータ） (2022-09-11T22:44:19Z)
• Handling Imbalanced Classification Problems With Support Vector Machines via Evolutionary Bilevel Optimization [73.17488635491262]
  サポートベクトルマシン(SVM)は、バイナリ分類問題に対処する一般的な学習アルゴリズムである。 この記事では、EBCS-SVMについて紹介する。
  論文  参考訳（メタデータ） (2022-04-21T16:08:44Z)
• Implicit differentiation for fast hyperparameter selection in non-smooth convex learning [87.60600646105696]
  内部最適化問題が凸であるが非滑らかである場合の一階法を研究する。 本研究では, ヤコビアンの近位勾配降下と近位座標降下収率列の前方モード微分が, 正確なヤコビアンに向かって収束していることを示す。
  論文  参考訳（メタデータ） (2021-05-04T17:31:28Z)
• Theoretical Insights Into Multiclass Classification: A High-dimensional Asymptotic View [82.80085730891126]
  線形多クラス分類の最初の現代的精度解析を行う。 分析の結果,分類精度は分布に依存していることがわかった。 得られた洞察は、他の分類アルゴリズムの正確な理解の道を開くかもしれない。
  論文  参考訳（メタデータ） (2020-11-16T05:17:29Z)
• A fast learning algorithm for One-Class Slab Support Vector Machines [1.1613446814180841]
  本稿では,SMO (Sequential Minimal Optimization) を用いた一級スラブSVMの高速トレーニング手法を提案する。 その結果、このトレーニング手法は、他の準計画法(QP)の解法よりも、大規模なトレーニングデータに対してより優れたスケールが可能であることが示唆された。
  論文  参考訳（メタデータ） (2020-11-06T09:16:39Z)
• Robust Multi-class Feature Selection via $l_{2,0}$-Norm Regularization Minimization [6.41804410246642]
  特徴選択は、データマイニングと機械学習において重要な計算処理である。 本稿では,複数クラスの特徴選択における最小二乗問題の解法として,ホモシーハードしきい値(HIHT)に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-08T02:06:06Z)
• Self-Weighted Robust LDA for Multiclass Classification with Edge Classes [111.5515086563592]
  SWRLDAと呼ばれる,l21ノルムを基準とした新しい自己重み付き頑健なLDAを提案する。 提案するSWRLDAは実装が容易で,実際に高速に収束する。
  論文  参考訳（メタデータ） (2020-09-24T12:32:55Z)
• Frank-Wolfe algorithm for learning SVM-type multi-category classifiers [0.7646713951724012]
  マルチカテゴリサポートベクターマシン(MC-SVM)は最も人気のある機械学習アルゴリズムの一つである。 本研究では,MC-SVMの変種の多くに適用可能な新しい最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-08-20T11:19:07Z)
• A novel embedded min-max approach for feature selection in nonlinear support vector machine classification [0.0]
  min-max最適化問題に基づく組込み特徴選択法を提案する。 双対性理論を活用することにより、min-max問題を等価に修正し、それ以上のアドを伴わずに解決する。 提案手法の効率性と有用性は,いくつかのベンチマークデータセットで検証される。
  論文  参考訳（メタデータ） (2020-04-21T09:40:38Z)

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。