- Członkostwo
- Wydarzenia
- Nagrody i konkursy
- Nagrody główne PTM
- Nagroda dla młodych matematyków
- Międzynarodowa nagroda im. Stefana Banacha
- Konkursy studenckie
- Konkurs im. Witolda Wilkosza na najlepszą studencką pracę popularyzującą matematykę
- Konkurs prac studenckich z matematyki im. Józefa Marcinkiewicza
- Konkurs prac studenckich z rachunku prawdopodobieństwa i zastosowań matematyki
- Konkurs im. A. Z. Krygowskiej na najlepszą pracę studencką z dydaktyki matematyki
- Inne konkursy
- Regulaminy
- Galeria
- Wydawnictwa
- Wyszukiwanie
- e-płatności
Paweł Teisseyre (IPI PAN, Warszawa), Predykcja i selekcja zmiennych w klasyfikacji wieloetykietowej
Oddział:
Oddział Lubelski
śr, 2017-03-08 10:15
Oddział Lubelski Polskiego Towarzystwa Matematycznego
W dniu 8 marca 2017 roku (ŚRODA) o godz. 10:15 w sali nr 2 Wydziału Matematyki, Fizyki i Informatyki Uniwersytetu Marii Curie-Skłodowskiej w Lublinie, pl. Marii Skłodowskiej-Curie 1
Dr Paweł Teisseyre (Instytut Podstaw Informatyki PAN w Warszawie)
wygłosi
ODCZYT
pod tytułem
PREDYKCJA I SELEKCJA ZMIENNYCH W KLASYFIKACJI WIELOETYKIETOWEJ
Streszczenie:
Referat dotyczy metod klasyfikacji wieloetykietowej. W klasycznym problemie klasyfikacji modelujemy zależność między zmienną odpowiedzi (najczęściej binarną), a zmiennymi objaśniającymi. W klasyfikacji wieloetykietowej rozważamy wiele binarnych zmiennych odpowiedzi jednocześnie. W ostatnich latach klasyfikacja wieloetykietowa wzbudziła bardzo duże zainteresowanie. Metody klasyfikacji wieloetykietowej są stosowane w wielu dziedzinach, takich jak automatyczna kategoryzacja tekstów, rozpoznawanie obrazów, modelowanie wielozachorowalności i wiele innych.
W referacie przedstawię nową metodę, opartą o wykorzystanie łańcuchów klasyfikatorów oraz regresji logistycznej z regularyzacją. Podstawową zaletą przedstawionej metody jest to, że selekcja istotnych zmiennych jest wykonywana podczas dopasowania modelu. Paweł Teisseyre
Literatura:
P. Teisseyre, CCnet: joint multi-label classification and feature selection using classifier chains and elastic net regularization, Neurocomputing, 235, 98-111, 2017.
E. Gibaja, S. Ventura, A tutorial on multilabel learning, ACM Comput. Surv. 47, 1–38, 2015.
Serdecznie zapraszamy
Organizatorzy