PulseAugur
中
实时 04:40:15
English(EN) A Kernel Fisher Discriminant Analysis-Based Tree Ensemble Classifier: KFDA Forest

新的 KFDA Forest 分类器通过核技巧提高准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的集成分类器，名为核 Fisher 判别分析森林 (KFDA Forest)。该方法利用决策树作为基础分类器，并应用 KFDA 通过最大化类间距离和最小化类内距离来提高分类准确性。KFDA Forest 结合了 bootstrap 抽样和变量随机子集选择以促进多样性，并且可以通过核技巧变换处理非线性数据结构。 AI

影响 引入了一种新颖的集成方法，可以提高在复杂数据集上的分类性能。

排序理由 该集群包含一篇详细介绍新机器学习算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的 KFDA Forest 分类器通过核技巧提高准确性

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Donghwan Kim, Seung Hwan Park, Jun-Geol Baek ·

    一种基于核 Fisher 判别分析的树集成分类器：KFDA Forest

    arXiv:2606.29053v1 Announce Type: new Abstract: In general, an ensemble classifier is more accurate than a single classifier. In this study, we propose an ensemble classifier called the kernel Fisher discriminant analysis forest (KFDA Forest), which is a tree-based ensemble metho…

相关实体

相关话题