The robust estimation of classification error rates
نویسندگان
چکیده
منابع مشابه
Unsupervised Estimation of Classification and Regression Error Rates
Estimating the error rates of classifiers or regression models is a fundamental task in machine learning which has thus far been studied exclusively using supervised learning techniques. We propose a novel unsupervised framework for estimating these error rates using only unlabeled data. We prove consistency results for the framework and demonstrate its practical applicability on both synthetic...
متن کاملthe effects of error correction methods on pronunciation accuracy
هدف از انجام این تحقیق مشخص کردن موثرترین متد اصلاح خطا بر روی دقت آهنگ و تاکید تلفظ کلمه در زبان انگلیسی بود. این تحقیق با پیاده کردن چهار متد ارائه اصلاح خطا در چهار گروه، سه گروه آزمایشی و یک گروه تحت کنترل، انجام شد که گروه های فوق الذکر شامل دانشجویان سطح بالای متوسط کتاب اول passages بودند. گروه اول شامل 15، دوم 14، سوم 15 و آخرین 16 دانشجو بودند. دوره مربوطه به مدت 10 هفته ادامه یافت و د...
15 صفحه اولthe effect of explicit versus implicit error correction on writing of iranian intermediate efl learners
در این پایان نامه دو روش اصلاح اشتباهات نوشتاری زبان آموزان بزرگسال ایرانی در سطح متوسط مورد بررسی قرار می گیرد. در روش اول (explicit) اشتباهات بطور مستقیم و در روش دوم (implicit) اشتباهات بصورت غیر مستقیم اصلاح می شود. برای انجام این تحقیق از دو گروه 15 نفری استفاده شده است. به زبان آموزان در هر جلسه یک موضوع انشا داده شده است. این کار در 15 هفته (15 جلسه) تکرار شده است. مقایسه نتایج این آزمون...
Bayes, E-Bayes and Robust Bayes Premium Estimation and Prediction under the Squared Log Error Loss Function
In risk analysis based on Bayesian framework, premium calculation requires specification of a prior distribution for the risk parameter in the heterogeneous portfolio. When the prior knowledge is vague, the E-Bayesian and robust Bayesian analysis can be used to handle the uncertainty in specifying the prior distribution by considering a class of priors instead of a single prior. In th...
متن کاملOn Error-rate Estimation in Nonparametric Classification
There is a substantial literature on the estimation of error rate, or risk, for nonparametric classifiers. Error-rate estimation has at least two purposes: accurately describing the error rate, and estimating the tuning parameters that permit the error rate to be mininised. In the light of work on related problems in nonparametric statistics, it is attractive to argue that both problems admit t...
متن کاملذخیره در منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ژورنال
عنوان ژورنال: Computers & Mathematics with Applications
سال: 1986
ISSN: 0898-1221
DOI: 10.1016/0898-1221(86)90078-7