On the Kernel Rule for Function Classification

On the Kernel Rule for Function Classification
复制标题

论函数分类的核规则

DOI：
--
复制
发表时间：
2006
期刊：
影响因子：
--
通讯作者：
B. Cadre
B. Cadre
中科院分区：
--
文献类型：
--
作者：
C. Abraham;G. Biau;B. Cadre

文献摘要

被引文献

相似文献

设X是在函数空间中取值的随机变量 $$mathcal{F}$$，设Y为离散随机标签，值为0和1。我们研究了基于对（X，Y）的独立副本的移动窗口分类规则的渐进性质。相反的有限维的情况下，它表明，移动窗口分类器是不普遍一致的意义上说，它的错误概率可能不会收敛到贝叶斯风险（X，Y）的一些分布。空间上的充分条件 然后给出$$mathcal{F}$$和X的分布以确保一致性。
AbstractLet X be a random variable taking values in a function space $$mathcal{F}$$, and let Y be a discrete random label with values 0 and 1. We investigate asymptotic properties of the moving window classification rule based on independent copies of the pair (X,Y). Contrary to the finite dimensional case, it is shown that the moving window classifier is not universally consistent in the sense that its probability of error may not converge to the Bayes risk for some distributions of (X,Y). Sufficient conditions both on the space $$mathcal{F}$$ and the distribution of X are then given to ensure consistency.