Abstract
[Ita:]In un problema di classificazione, di solito viene derivata una regola dis-
criminante a partire da un insieme affidabile di unit`a etichettate. In questo contesto,
le osservazioni nel dataset di test verranno automaticamente classificate come orig-
inate da uno dei gruppi noti, emersi nell’analisi del set di training. Non vi `e quindi
possibilit`a di rilevare classi mai viste prima. Per ovviare a questa limitazione, viene
introdotto un classificatore bayesiano semi-parametrico adattabile a includere nuove
classi per modellare le unit`a del test set, estraendo informazione robusta dal dataset
di training ed incorporando la stessa come prior knowledge. Viene poi presentata
un’applicazione dell’approccio proposto su dati reali.
| Lingua originale | Inglese |
|---|---|
| Titolo della pubblicazione ospite | Book of Short Papers SIS 2020 |
| Editore | Pearson |
| Pagine | 655-660 |
| Numero di pagine | 6 |
| ISBN (stampa) | 9788891910776 |
| Stato di pubblicazione | Pubblicato - 2020 |
Keywords
- Bayesian adaptive learning
- Bayesian mixture model
- Stick-breaking prior
- Supervised classification
- Unobserved classes
Fingerprint
Entra nei temi di ricerca di 'Bayesian nonparametric adaptive classification with robust prior information = Modello Bayesiano nonparametrico per classificazione adattiva con informazione a priori robusta'. Insieme formano una fingerprint unica.Cita questo
- APA
- Author
- BIBTEX
- Harvard
- Standard
- RIS
- Vancouver