实体
Geoffrey McLachlan
Geoffrey McLachlan
PulseAugur coverage of Geoffrey McLachlan — every cluster mentioning Geoffrey McLachlan across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新方法优化多类分类风险的标签获取
研究人员开发了一种新颖的方法，用于优化多类分类任务中有限标注预算的分配。该方法结合了已获取标签的Fisher信息与多类超额风险的局部几何结构，推导出了一个获取标准。该标准优先考虑与扰动贝叶斯决策边界的参数方向高度一致的标签，而不是仅仅依赖于后验不确定性或全局参数信息。研究包括理论表征、自适应程序以及在高斯判别分析和卫星图像数据集上的实验验证，证明与基于不确定性的采样相比，在平均误差方面有潜在的改进。
-
多类别分类中信息标签缺失的新理论
一篇新论文探讨了多类别分类中信息标签缺失的现象，其中标签缺失的模式本身可以为分类模型提供信息。研究人员开发了一种使用基于似然的方法的通用理论来分析参数化多类别分类中的这种情况。该研究提出了一种信息分解方法，将丢失的信息与通过缺失标签机制获得的信息分开，并推导了一个风险展开，表明分类效率取决于信息增益和损失如何与决策边界相互作用。
-
新研究探讨用于分类的依赖于不确定性的缺失标签
一篇新的研究论文探讨了一种半监督分类方法，其中标签缺失的概率取决于观测到的特征和分类器的不确定性。这种方法将缺失不仅仅视为丢失的信息，而是视为由与分类器相关的机制生成的信号。该论文为这些依赖于不确定性的缺失标签开发了一种基于似然的信息论，并在各种模型规范下推导出了费舍尔信息分解和协方差分区。通过高斯混合模型和医学诊断示例进行的计算说明了该方法如何在固定的标记预算内提高估计和分类效率。