Active Learning for Parzen Window Classifier

Chapelle, O

Datensatz

DATENSATZ AKTIONENEXPORT

Zur Ablage hinzufügen

Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben

Konferenzbeitrag

Active Learning for Parzen Window Classifier

MPG-Autoren

/persons/resource/persons83855

Chapelle, O
Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society;
Max Planck Institute for Biological Cybernetics, Max Planck Society;

Externe Ressourcen

http://www.gatsby.ucl.ac.uk/aistats/aistats2005_eproc.pdf
(beliebiger Volltext)

Volltexte (beschränkter Zugriff)

Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.

Volltexte (frei zugänglich)

Es sind keine frei zugänglichen Volltexte in PuRe verfügbar

Ergänzendes Material (frei zugänglich)

Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar

Zitation

Chapelle, O. (2005). Active Learning for Parzen Window Classifier. In R. Cowell, & Z. Ghahramani (Eds.), AISTATS 2005: Tenth International Workshop onArtificial Intelligence and Statistics (pp. 49-56). The Society for Artificial Intelligence and Statistics.

Zitierlink: https://hdl.handle.net/11858/00-001M-0000-0013-D689-2

Zusammenfassung

The problem of active learning is approached in this paper by minimizing
directly an estimate of the expected test error. The main difficulty
in this ``optimal'' strategy is that output probabilities need to be
estimated accurately. We suggest here different methods
for estimating those efficiently.
In this context, the Parzen window classifier is considered
because it is both simple and probabilistic. The analysis of experimental
results highlights that regularization is a key ingredient for this strategy.