La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Asymptotic Evaluation of Classification in the Presence of Label Noise Évaluation asymptotique de la classification en présence de bruit d'étiquette

Goki YASUDA, Tota SUKO, Manabu KOBAYASHI, Toshiyasu MATSUSHIMA

  • Vues en texte intégral

    0

  • Citer

Résumé:

Dans un problème de classification pratique, il existe des cas où des étiquettes incorrectes sont incluses dans les données de formation en raison du bruit des étiquettes. Nous introduisons une méthode de classification en présence de bruit d'étiquette qui idéalise une méthode de classification basée sur l'algorithme d'espérance-maximisation (EM), et évaluons théoriquement ses performances. Sa performance est évaluée asymptotiquement en évaluant la fonction de risque définie comme la divergence de Kullback-Leibler entre la distribution prédictive et la distribution vraie. Le résultat de cette évaluation des performances permet une évaluation théorique de la performance la plus réussie que la méthode de classification basée sur l'EM peut atteindre.

Publication
IEICE TRANSACTIONS on Fundamentals Vol.E106-A No.3 pp.422-430
Date de publication
2023/03/01
Publicisé
2022/08/26
ISSN en ligne
1745-1337
DOI
10.1587/transfun.2022TAP0013
Type de manuscrit
Special Section PAPER (Special Section on Information Theory and Its Applications)
Catégories
Formations

Auteurs

Goki YASUDA
  Waseda University
Tota SUKO
  Waseda University
Manabu KOBAYASHI
  Waseda University
Toshiyasu MATSUSHIMA
  Waseda University

Mots-clés

Table des matières