重温改进：与贝叶斯误差、条件熵和校准分类器的联系
摘要：概率引导的细化概念在适当得分规则中得到考虑。从概率的公理出发，利用Hilbert空间解释进一步明确了细化概念，并将其重构为基础数据分布设置，在此设置中考虑和使用了与最大边际多样性和条件熵相关的连接，从而得到了能够提供对贝叶斯误差任意紧密界限的度量值。细化概念还在分类器输出设置中进行了重构，并建立了与校准的分类器和适当的边际损失的相关性。
作者：Hamed Masnadi-Shirazi
论文ID：1303.2517
分类：Machine Learning
分类简称：stat.ML
提交时间：2013-03-12