• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Acoustics, Speech and Signal Processing >Class-Imbalanced Classifiers Using Ensembles of Gaussian Processes And Gaussian Process Latent Variable Models
【24h】

Class-Imbalanced Classifiers Using Ensembles of Gaussian Processes And Gaussian Process Latent Variable Models

机译：使用高斯进程和高斯进程潜在变量模型的集装类的类 - 不平衡分类器

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Classification with imbalanced data is a common and challenging problem in many practical machine learning problems. Ensemble learning is a popular solution where the results from multiple base classifiers are synthesized to reduce the effect of a possibly skewed distribution of the training set. In this paper, binary classifiers based on Gaussian processes are chosen as bases for inferring the predictive distributions of test latent variables. We apply a Gaussian process latent variable model where the outputs of the Gaussian processes are used for making the final decision. The tests of the new method in both synthetic and real data sets show improved performance over standard approaches.
机译：在许多实际机器学习问题中，具有不平衡数据的分类是一个常见而挑战的问题。 合奏学习是一种流行的解决方案，其中综合了多个基本分类器的结果，以减少可能歪斜训练集的趋势分布的效果。 在本文中，选择基于高斯过程的二元分类器作为基于推断测试潜变量的预测分布的基础。 我们应用高斯过程潜在变量模型，其中高斯过程的输出用于进行最终决定。 合成和实际数据集中的新方法的测试显示了通过标准方法的改进性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号