부분 관측 속성으로 효율적인 선형 학습
우리는 각 학습 예제에서 몇 개의 속성만을 관찰할 수 있는 상황에서 선형 예측기를 학습하기 위한 효율적인 알고리즘을 제시하고 그 이론적 성능을 분석한다. 예를 들어, 의료 연구에서는 각 환자가 제한된 수의 검사만을 허용하는 경우가 있다. 본 연구에서는 전체 정보를 얻지 못한 대신 추가적인 학습 예제를 얼마나 많이 확보해야 동일한 학습 정확도를 달성할 수 있는지를 정량적으로 제시한다. 또한, 손글씨 숫자 인식 데이터에 알고리즘을 적용한 실험을 통…
저자: Nicol`o Cesa-Bianchi, Shai Shalev-Shwartz, Ohad Shamir
우리는 각 학습 예제에서 몇 개의 속성만을 관찰할 수 있는 경우에 선형 예측기를 학습하기 위한 효율적인 알고리즘을 제시하고, 그 알고리즘을 이론적으로 분석한다. 이는 예를 들어 각 환자가 제한된 수의 검사만을 허용하는 의료 연구와 같은 상황에 해당한다. 본 연구에서는 전체 정보를 얻지 못한 대신, 동일한 학습 정확도를 달성하기 위해 추가적으로 필요한 학습 예제의 수를 정량적으로 제시한다. 또한, 손글씨 숫자 인식 데이터에 알고리즘을 적용한 실험을 통해, 이미지당 네 개의 픽셀만을 관찰하더라도 높은 예측 정확도를 유지함을 입증한다.
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기