| Téléchargement | - Voir le manuscrit accepté : Discriminative vs. Generative Classifiers for Cost Sensitive Learning (PDF, 303 Kio)
|
|---|
| Auteur | Rechercher : Drummond, Chris |
|---|
| Format | Texte, Article |
|---|
| Conférence | Nineteenth Canadian Conference on Artificial Intelligence, June 7-9, 2006, Quebec City, Quebec, Canada |
|---|
| Résumé | Ce document présente la comparaison expérimentale des performances des classificateurs discriminants et générateurs pour l'apprentissage sensible aux coûts. Tout porte à croire que l'apprentissage d'un classificateur discriminant est plus efficace pour une tâche de classification traditionnelle. Ce document examine les avantages et les inconvénients d'un classificateur générateur lorsque les coûts d'une classification erronée, et la fréquence des classes, ne sont pas établis. Il décrit en détail des expériences faisant appel à des algorithmes courants modifiés pour devenir sensibles aux coûts. Cette méthode permet une comparaison claire avec le même algorithme utilisé pour produire un classificateur discriminant. Le document compare les performances de ces différentes variantes pour de multiples ensembles de données et pour la gamme complète des coûts de classification erronée et des fréquences des classes. Il conclut que, malgré la supériorité de certaines de ces variantes par rapport à un classificateur discriminant unique, le bon choix de répartition de la base d'apprentissage ainsi qu'un étalonnage minutieux sont nécessaires pour garantir la compétitivité par rapport aux classificateurs discriminants multiples. |
|---|
| Date de publication | 2006 |
|---|
| Dans | |
|---|
| Langue | anglais |
|---|
| Numéro du CNRC | NRCC 48481 |
|---|
| Numéro NPARC | 8913605 |
|---|
| Exporter la notice | Exporter en format RIS |
|---|
| Signaler une correction | Signaler une correction (s'ouvre dans un nouvel onglet) |
|---|
| Identificateur de l’enregistrement | 2c5504ab-1c53-4adf-9244-dd723d699bba |
|---|
| Enregistrement créé | 2009-04-22 |
|---|
| Enregistrement modifié | 2020-10-09 |
|---|
