A nearest-neighbor-based ensemble classifier and its large-sample optimality
A nearest-neighbor-based ensemble classifier and its large-sample optimality
复制标题
基于最近邻的集成分类器及其大样本最优性
DOI：
10.1080/00949655.2021.1882458
复制
发表时间：
2021
影响因子：
1.2
通讯作者：
Pouliot, William
中科院分区：
文献类型：
--
作者：
Mojirsheibani, Majid;Pouliot, William
提出了一种非参数方法，将多个个体分类器组合在一起，在其误分类错误率渐近至少低于最佳个体分类器的情况下，构造一个渐近更准确的分类规则。提出的方法使用最近邻类型的方法来估计与新观测相关联的类的条件期望（以单个预测向量为条件）。讨论了该方法的力学和理论有效性。作为我们的结果的一个有趣的副产品，它表明所提出的方法也可以应用于任何单个分类器，在这种情况下，得到的新分类器将至少和原来的分类器一样好。文中还给出了几个实际和模拟数据的数值算例。这些数值研究进一步证实了该分类器的优越性。
A nonparametric approach is proposed to combine several individual classifiers in order to construct an asymptotically more accurate classification rule in the sense that its misclassification error rate is, asymptotically, at least as low as that of the best individual classifier. The proposed method uses a nearest neighbour type approach to estimate the conditional expectation of the class associated with a new observation (conditional on the vector of individual predictions). Both mechanics and the theoretical validity of the proposed approach are discussed. As an interesting byproduct of our results, it is shown that the proposed method can also be applied to any single classifier in which case the resulting new classifier will be at least as good as the original one. Several numerical examples, involving both real and simulated data, are also given. These numerical studies further confirm the superiority of the proposed classifier.
登录
查看更多内容
使用输入输出权衡进行聚合
影响因子：
0.9
作者：
A. Fischer;M. Mougeot
通讯作者：
M. Mougeot
影响因子：
1.6
作者：
Biau, Gerard;Fischer, Aurelie;Malley, James D.
通讯作者：
Malley, James D.
DOI：
--
发表时间：
2006
期刊：
影响因子：
--
作者：
C. Abraham;G. Biau;B. Cadre
通讯作者：
B. Cadre
一种组合估计以提高分类总体错误率的简单方法
影响因子：
1.3
作者：
N. Balakrishnan;M. Mojirsheibani
通讯作者：
M. Mojirsheibani
通过离散化组合分类器
影响因子：
3.7
作者：
M. Mojirsheibani
通讯作者：
M. Mojirsheibani