关键词probabilistic classification
搜索结果 - 7
- ICLR具有稀疏性的判别高斯混合模型
通过稀疏贝叶斯学习,提出了一种基于判别高斯混合模型(Sparse Discriminative Gaussian Mixture, SDGM)的分类器。实验结果表明,该方法优于现有的基于 softmax 的判别模型。
- ICML广义线性规则模型
本文提出使用基于规则的特征(也称为规则集成)的广义线性模型,用于回归和概率分类,通过列生成算法,优化规则集合的复杂度和预测准确性的平衡。在逻辑回归和线性回归的实验中,与现有的规则集成算法相比,所提出的方法可以获得更好的准确性 - 复杂度平衡 - ACL2018 年复杂词汇识别共享任务报告
本篇论文报告了第二次 Complex Word Identification (CWI) shared task 的结果,这是 BEA 与 NAACL-HLT'2018 会议合作的一部分。该任务旨在识别复杂词语,分为 4 个轨道,包括英语、 - 公平确定风险分数中的固有权衡
本研究讨论了关于算法分类的公正性的最近公众领域的讨论, 探讨了三种公平条件并证明除非在高度约束的特殊情况下,没有一种方法可以同时满足这三个条件,这些结果表明公正性的关键概念彼此不兼容,需要权衡其之间的关系。
- 动态功能预测和分类,应用于交通流量预测
本研究提出一种功能数据方法,以分析交通流模式并预测未来的交通流,并提出一种概率混合预测方法来结合功能预测和概率分类,以考虑不同的交通流模式。
- 基于委员会的概率分类器样本选择
本文研究了如何通过样本选择来降低训练中的注释成本,介绍了一种基于概率分类模型的委员会选样本的经验方法,这些变体是从与迄今为止标记的训练集条件化的概率分布中随机抽取的。其在自然语言处理领域,如随机词性标注任务上得到了显著的注释成本降低和模型尺 - 自动概率分类瞬变和变量
介绍了一种用于原型事件分类系统的方法学,其中涉及贝叶斯和机器学习分类器,自动合并后续观测的反馈,并实现区分或定向后续请求,该方法可能对未来的大型系统观测任务至关重要。