Accurate Bayesian Data Classification Without Hyperparameter Cross-Validation
Accurate Bayesian Data Classification Without Hyperparameter Cross-Validation
复制标题
无需超参数交叉验证即可进行准确的贝叶斯数据分类
DOI：
10.1007/s00357-019-09316-6
复制
发表时间：
2019
影响因子：
2
通讯作者：
Sheikh M
中科院分区：
文献类型：
--
作者：
Sheikh M
We extend the standard Bayesian multivariate Gaussian generative data classifier by considering a generalization of the conjugate, normal-Wishart prior distribution, and by deriving the hyperparameters analytically via evidence maximization. The behaviour of the optimal hyperparameters is explored in the high-dimensional data regime. The classification accuracy of the resulting generalized model is competitive with state-of-the art Bayesian discriminant analysis methods, but without the usual computational burden of cross-validation.
登录
查看更多内容
高维数据的贝叶斯临床分类：特征与变异性
影响因子：
2.3
作者：
A. Shalabi;M. Inoue;Johnathan Watkins;E. de Rinaldis;A. Coolen
通讯作者：
A. Coolen
影响因子：
2.9
作者：
MacKay, DJC
通讯作者：
MacKay, DJC
关于学习高斯属性的注意事项
影响因子：
2.5
作者：
D. Keehn
通讯作者：
D. Keehn
DOI：
--
发表时间：
1999
期刊：
影响因子：
--
作者：
P. Brown;T. Fearn;M. Haque
通讯作者：
M. Haque
影响因子：
2
作者：
HUBERT, L;ARABIE, P
通讯作者：
ARABIE, P