...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International Journal of Hybrid Intelligent Systems >Maximum-entropy estimated distribution model for classification problems
【24h】

Maximum-entropy estimated distribution model for classification problems

机译：分类问题的最大熵估计分布模型

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Classification is a fundamental problem in machine learning and data mining. This paper applies a stochastic optimization model to classification problems. The proposed maximum entropy estimated distribution model uses a probabilistic distribution to represent solution space, and a sampling technique to explore search space. This paper demonstrates the application of the proposed maximum entropy estimated distribution model to improve linear discriminant function and rule induction methods. In addition, this paper compares the proposed classification model with decision trees. It shows that the proposed model is preferable to decision tree C4.5 in the following cases: ⅰ) when prior distribution of classification is available; ⅱ) when no assumption is made about underlying classification structure; and ⅲ) when a classification problem is multimodal in nature.
机译：分类是机器学习和数据挖掘中的一个基本问题。本文将随机优化模型应用于分类问题。提出的最大熵估计分布模型使用概率分布来表示解空间，并使用一种采样技术来探索搜索空间。本文证明了所提出的最大熵估计分布模型在改进线性判别函数和规则归纳方法中的应用。此外，本文将提出的分类模型与决策树进行了比较。结果表明，在以下情况下，该模型优于决策树C4.5： ⅱ）未对基础分类结构做出假设时； ⅲ）分类问题本质上是多峰的。

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