典型文献
基于比例优势模型的有序数据分类
文献摘要：
在机器学习的分类任务中,根据类别之间是否有序,可以把分类任务分为无序数据分类和有序数据分类.比例优势模型是处理有序数据分类的一个常用的模型.但是传统的比例优势模型假设不同类别系数变量是相同的,而在实际情况中并非总是如此.文章对比例优势模型进行改进,不要求不同类别的系数变量完全相同,并且引入fused-LASSO和fused-MCP正则化惩罚.利用MM算法求解模型,并通过最小化BIC准则对正则化参数进行选择.模拟数据研究和真实数据分析都说明改进后的模型比传统的比例优势模型在处理有序多分类任务时有更好的效果.
文献关键词：
机器学习;有序分类;比例优势模型;融合惩罚
中图分类号：
作者姓名：
阮腾飞;张三国;申立勇
作者机构：
中国科学院大学数学科学学院,北京100049
文献出处：
引用格式：
[1]阮腾飞;张三国;申立勇-.基于比例优势模型的有序数据分类)[J].系统科学与数学,2022(10):2817-2833
A类：
融合惩罚
B类：
比例优势模型,有序数据,数据分类,分类任务,不要,量完,完全相同,fused,LASSO,MCP,MM,解模,BIC,正则化参数,模拟数据,数据研究,真实数据,多分类,有序分类
AB值：
0.322092
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
