关于学习空间及分类风险评价的非单调一致性

• 作者: 何劲松
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 模式分类 机器学习 特征选择 混合学习 经验风险 实际风险
• 年，卷（期）: 2007,（2）
• 所属期刊栏目: 研究论文与技术报告
• 页码范围: 168-175
• 页数: 8页
• 分类号: TP3
• 字数: 8947字
• 语种: 中文
• DOI: 10.3321/j.issn:0254-4164.2007.02.002

摘要

允许经验风险不为0是现代模式分类器构造方法区别于传统模式分类器构造方法的标志.为了进一步研究分类器构造观点的变化对模式分类系统所产生的更深入的影响,拓展模式分类系统的学习空间,作者讨论了限制经验风险必须为0的传统模式分类系统在分类性能问题上所受的限制,分析了影响模式分类系统分类性能的关键因素,给出了学习空间可拓展的必要条件,并构造了一种投机学习方法,证明了学习空间可拓展的充分条件.同时,在实验中观察到,分类器评价与测试集上的分类风险是非一致单调的.这一结论对于模式识别及其应用研究是严峻的.