集合覆盖分类：原型向量机
摘要：新型最近原型分类器介绍：原型向量机（PVM）。它源于一个组合优化问题，被转化为一个集合覆盖问题的变体。我们提出了两种用于近似解决问题的算法。PVM选择了一小部分代表性点，并用于分类。它包含1-NN作为一种特殊情况。该方法与任何不相似度度量相容，适用于数据不嵌入底层特征空间的情况，或者使用非欧几里得度量是希望的情况。事实上，我们通过对广泛研究的邮政编码数据的示例演示了PVM如何利用特定问题的度量获益。在这个例子中，PVM优于高度成功的1-NN + 切线距离（tangent distance），并且仅保留少于一半的数据点。这个例子突出了PVM在产生低误差、高度可解释的模型方面的优势。此外，我们将PVM应用于蛋白质分类问题中，其中使用了基于核的距离。
作者：Jacob Bien, Robert Tibshirani
论文ID：0908.2284
分类：Machine Learning
分类简称：stat.ML
提交时间：2009-08-18