典型文献
元学习的不确定性特征构建及初步分析
文献摘要：
元学习即应用机器学习的方法(元算法)寻求问题的特征(元特征)与算法相对性能测度间的映射,从而形成元知识的学习过程,如何构建和提取元特征是其重要的研究内容.针对目前相关研究所用到的元特征大部分是数据的统计特征的问题,提出不确定性建模并研究不确定性对于学习系统的影响.根据样本的不一致性、边界的复杂性、模型输出的不确定性、线性可分度、属性的重叠度以及特征空间的不确定性,建立了六种数据或模型的不确定性元特征;同时,从不同角度衡量学习问题本身的不确定性大小,并给出了具体的定义.在大量分类问题的人工数据和真实数据集上实验分析了这些元特征之间的相关性,并使用K最近邻(KNN)等多个分类算法对元特征与测试精度之间的相关度进行初步分析.结果表明相关度平均在0.8左右,可见这些元特征对学习性能具有显著影响.
文献关键词：
元学习;元特征;不确定性度量;相关性分析;数据集特征
中图分类号：
作者姓名：
李艳;郭劼;范斌
作者机构：
河北大学数学与信息科学学院,河北保定071002;河北省机器学习与计算智能重点实验室(河北大学),河北保定071002;北京师范大学珠海校区应用数学与交叉科学研究中心,广东珠海519087
文献出处：
引用格式：
[1]李艳;郭劼;范斌-.元学习的不确定性特征构建及初步分析)[J].计算机应用,2022(02):343-348
A类：
B类：
元学习,不确定性特征,特征构建,初步分析,元特征,相对性,学习过程,统计特征,不确定性建模,学习系统,不一致性,模型输出,分度,重叠度,特征空间,六种,学习问题,题本,分类问题,真实数据,最近邻,KNN,分类算法,测试精度,相关度,学习性,不确定性度量,数据集特征
AB值：
0.423008
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。
