ISSN 2071-8594

Russian academy of sciences

Editor-in-Chief

Gennady Osipov

Л.В. Уткин, Ю.А. Жук, И.А. Селиховкин "Модель классификации на основе неполной информации о признаках в виде их средних значений"

Аннотация.

Предлагается модель классификации при ограниченной информации в форме математических ожиданий признаков, основанная на минимаксной (миниминной) стратегии принятия решений. Дискриминантная функция вычисляется максимизацией (минимизацией) функционала риска, как меры ошибочной классификации, по множеству распределений вероятностей с границами, которые определяются информацией о признаках, и минимизацией по множеству параметров. Алгоритм сводится к решению параметрической задачи линейного программирования.

Ключевые слова:

классификация, машинное обучение, линейное программирование, функционал риска, функция потерь, математическое ожидание, минимаксная стратегия.

Стр. 71-81.

L.V. Utkin, Y.A. Zhuk, I.A. Selihovkin.

"A classification model on the basis of partial information about features in the form of their mean values."

A classification model under partial information in the form of expectations of features is proposed.
It is based on the minimax and minimin decision strategies. The discriminant function is computed by maximizing (minimizing) the risk functional as a measure of classification error over a set of probability distributions with bounds determined by the information about features, and its minimizing over a set
of parameters. An algorithm is reduced to the parametric linear programming.

Keywords: classification, machine learning, linear programming, risk functional, loss function, expectation, minimax strategy

Полная версия статьи в формате pdf.