重采样方法与机器学习

被引：36

作者：

毕华

梁洪力

王珏

机构：

[1] 中国科学院自动化研究所复杂系统与智能科学重点实验室

来源：

计算机学报 | 2009年 / 32卷 / 05期

关键词：

重采样; 自助法; Boosting; 机器学习;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

Boosting算法试图用弱学习器的线性组合逼近复杂的自然模型,以其优秀的可解释性和预测能力,得到了计算机界的高度关注.但Boosting只被看作是一种特定损失下的优化问题,其统计学本质未曾得到充分的关注.作者追根溯源,提出从统计学角度看待Boosting方法:在统计学框架下,Boosting算法仅仅是重采样方法的一个有趣的特例.作者希望改变计算机科学家只重视算法性能忽略数据性质的现状,以期找到更适合解决"高维海量不可控数据"问题的方法.

引用

页码：862 / 877

页数：16

共 17 条

[1]

机器学习及其应用[M]. 清华大学出版社 , 王珏, 2006

[2]

机会的数学[M]. 清华大学出版社;暨南大学出版社 , 陈希孺著, 2000

[3]

Least Angle Regression[J] . Bradley Efron,Trevor Hastie,Iain Johnstone,Robert Tibshirani.The Annals of Statistics . 2004 (2)

[4]

Statistical Modeling: The Two Cultures[J] . Leo Breiman.Statistical Science . 2001 (3)