Least Ambiguous Set-Valued Classifiers With Bounded Error Levels

In most classification tasks, there are observations that are ambiguous and therefore difficult to correctly label. Set-valued classifiers output sets of plausible labels rather than a single label, thereby giving a more appropriate and informative treatment to the labeling of ambiguous instances. W...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Journal of the American Statistical Association Ročník 114; číslo 525; s. 223 - 234
Hlavní autoři:	Sadinle, Mauricio, Lei, Jing, Wasserman, Larry
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Alexandria Taylor & Francis 02.01.2019 Taylor & Francis Group,LLC Taylor & Francis Ltd
Témata:	Ambiguity Ambiguous observation Asymptotic properties Bayes classifier Classification Classifiers Conditional probability equations Estimators Labeling Labels Multiclass classification Nondeterministic classifier Oracle classifier Probability Property Regression analysis Reject option Statistical methods Statistics Theory and Methods
ISSN:	0162-1459, 1537-274X, 1537-274X
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!