Key points are not available for this paper at this time.
परंपरागत वर्गीकरणकर्ता डिज़ाइन के तरीके अक्सर दो विरोधाभासी लक्ष्यों से जूझते हैं- किसी विशेष समस्या के लिए मनमाने जटिल निर्णय सीमाएँ विकसित करना, और साथ ही उन सीमाओं की जटिलता को सीमित करना ताकि दिए गए प्रशिक्षण डेटा के ऊपर अधि-अनुकूलन से बचा जा सके। हाल की एक विश्लेषण में पता चला है कि यह संघर्ष प्रोजेक्टेबल तत्वों आधारित वर्गीकरणकर्ता बनाकर सुलझाया जा सकता है, जो कमजोर भेदक होते हैं जो प्रशिक्षण और परीक्षण डेटा दोनों पर समान रूप से अच्छा प्रदर्शन करते हैं। इस विश्लेषण के आधार पर, हम एक ऐसा तरीका प्रस्तुत करते हैं जो मनमाने जटिलता तक का वर्गीकरणकर्ता बनाता है और सामान्यीकरण सटीकता प्रदान करता है।
Building similarity graph...
Analyzing shared references across papers
Loading...
Tin Kam Ho
E. M. Kleinberg
New York University
University at Buffalo, State University of New York
Nokia (United States)
Building similarity graph...
Analyzing shared references across papers
Loading...
हो एट अल. (मॉन,) ने इस प्रश्न का अध्ययन किया।
www.synapsesocial.com/papers/6a0906197800c4e023d38f5c — DOI: https://doi.org/10.1109/icpr.1996.547202
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: