Aug, 2018

分类问题的复杂程度如何？关于分类复杂度测量的调查

PDF
TL;DR本文介绍从训练数据集中提取的能用于特征描述的分类复杂度的测量方法，包括数据的空间分布、决策边界的形状和大小等。同时，分析了这些特征在最新研究中的应用以及未来的工作机会，并介绍了一个名为 Extended Complexity Library (ECoL) 的 R 包，该包实现了一套复杂度测量方法并对公众开放。
classification problemsclassification complexityspatial distributiondecision boundarydata-driven techniques
发现论文，激发创造
  • 分类器数据质量：一种基于几何复杂度的自动基线和见解生成方法

    该研究开发了复杂度量度，可用于量化观测数据的分类复杂度并确定基准性能阈值，其有效突出可能被错误分类的数据区域和观测数据。

    Dec, 2021

  • 复杂网络的特征分析：度量方法调查

    本文对复杂网络的测量进行了综述，包括对其特征的一般考虑、主要模型的简要回顾和主要现有的测量的介绍。同时，本文讨论了复杂网络在多种测量空间下的轨迹表示、传统测量之间的相关性分析、紊动分析以及多元统计用于特征选择和网络分类等相关问题。根据具体的网络和分析任务，可以选择特定的特征集合。希望本文可以帮助正确应用和解释测量结果。

    May, 2005

  • 基于应用数据集特征的轻量级分类难度度量

    通过提出的分类困难度度量方法，可以在进行一次模型家族的训练和测试后，通过比较难度度量来预测不同数据集和相同家族模型的相对性能，为小型数据集选择计算效率高的模型比重复训练和测试快 6 至 29 倍。

    Apr, 2024

  • 遗传数据测量：理解文本分类任务的难度

    通过对 78 个现实世界数据集的训练与分析，本研究提出了一种简单易行的衡量文本分类数据集难度的方法，并且此方法适用于不同类型的数据集，可以用于提高模型的性能。

    Nov, 2018

  • 聚类分析中的形状复杂性

    利用多维数据的形状复杂度概念，应用在特定的非线性函数上，制定了一种新的 “中等距离” 下的基于约束的非线性规划问题，从而探索更有效的聚类缩放因子数量的方法。

    May, 2022

  • 用于数据集复杂度评估的光谱度量

    本研究提出了一种测量图像分类问题复杂性的新方法，即累积谱梯度（CSG）度量，通过概率分布与谱聚类框架计算自然地反映数据集整体可分离性的度量，并通过 11 个数据集与三个 CNN 模型展示了其精度和快速性。

    May, 2019

  • 分类度量标准的分析与比较

    该文讨论了机器学习领域最常见的分类系统性能指标，比较了它们与期望成本和 PSR 等其他指标之间的关系，并认为后者更为优秀和高效。

    Sep, 2022

  • 复杂度测量衡量哪些方面？相关和验证基于语料库的形态复杂度测量

    本文分析了八个用于量化自然语言形态复杂度的测量方法，重点关注这些方法是否是同一基础变量的测量，或者它们测量形态复杂度的多个方面。通过主成分分析，结果显示这些复杂度测量值中 92.62% 的差异是由第一主成分解释的，说明这些测量值之间存在强的线性相关性。

    Apr, 2022

  • 分类应用中衡量数据质量的新度量方法（扩展版本）

    介绍并解释一种基于分类性能和数据退化的相关演变来度量数据质量的新指标，该方法具有模型无关性，并通过大量的数值实验以及具有可控和可解释质量的案例详细验证了所提出度量标准的实用性。

    Dec, 2023

  • 模型无关的泛化困难度度量

    该研究提出了第一个与模型无关的任务内在泛化难度度量，称为归纳偏差复杂度度量，该度量可以应用于计算和比较监督学习、增强学习和元学习的泛化难度。

    May, 2023