8.01.2008

O metodach klasyfikacji pod nadzorem - oceny klasyfikatorów i metody ich łączenia

W referacie przedstawione zostaną podstawowe miary oceny jakości klasyfikatorów, jak warunkowe prawdopodobieństwo błędnej klasyfikacji i jego wartość średnią, krzywe ROC, CAP, LIFT oraz ich empiryczne odpowiedniki. Omówimy pewne, zwykle pomijane, metodologiczne problemy związane z interpretacja tych miar.
W drugiej części przedstawione zostanie statystyczne spojrzenie na algorytm AdaBoost łączenia klasyfikatorów wywodzący się z uczenia maszynowego (Freund i Schapire (1995)). Zaleta tego podejścia (pochodzącego od Friedmana i innych (2000), por. tez Buehlmann i Hothorn (2007)) jest umieszczenie tego algorytmu w pewnej naturalnej klasie klasyfikatorów i ogólniej, w klasie oszacowań nieznanej zależności regresyjnej.