我读过代数分类器:一种用于快速交叉验证、在线训练和并行训练的通用方法,并对派生算法的性能感到惊讶。然而,似乎除了朴素贝叶斯(和 GBM)之外,没有多少算法适用于该框架。
还有其他研究不同分类器的论文吗?(SVM,随机森林)
我读过代数分类器:一种用于快速交叉验证、在线训练和并行训练的通用方法,并对派生算法的性能感到惊讶。然而,似乎除了朴素贝叶斯(和 GBM)之外,没有多少算法适用于该框架。
还有其他研究不同分类器的论文吗?(SVM,随机森林)
我读了一些你提到的文章,对我来说,这似乎是一个使用代数统计方法的结构。你可能想看看:
岑科夫,尼古拉·尼古拉耶维奇。统计决策规则和最优推理。第 53 号。美国数学学会,2000 年。
这本书有点过时了,一个原因是现在对“分类应用”感兴趣的人不多,它的原版大约是 1980 年代。但几乎所有现代统计学中的代数研究都可以追溯到这个标题。
您提到的论文中使用的另一个非常易读的介绍是:
Drton、Mathias、Bernd Sturmfels 和 Seth Sullivant。代数统计讲座。卷。39. 施普林格科学与商业媒体,2008 年。
您在问题中提到的论文是将幺半群理论构造应用于分类问题,看起来很有趣。所以希望这些参考资料有所帮助。