最近邻分类的度量嵌入
摘要：将任意度量空间嵌入到欧几里得空间的最近邻（NN）分类中起重要作用。通常假设欧几里得距离度量或优化马氏距离度量以提高NN的性能。在本文中，我们研究将任意度量空间嵌入欧几里得空间以提高NN分类器准确性的问题。我们提出了一个解决方案，借用了重现核希尔伯特空间中正则化的框架，并证明了NN分类的一个呈现器定理。嵌入函数通过解决半定规划问题确定，该问题与软间隔线性二元支持向量机分类器有有趣的联系。尽管本文的主要焦点是介绍一种在NN设置中进行度量嵌入的一般性理论框架，但我们在一些基准数据集上展示了所提方法的性能，并且表明在留一法和泛化误差方面，其表现优于马氏度量学习算法。
作者：Bharath K. Sriperumbudur and Gert R. G. Lanckriet
论文ID：0706.3499
分类：Machine Learning
分类简称：stat.ML
提交时间：2007-06-26