An exact approach to maximize area under receiver operator characteristic curve for multi-instance learning
Bu tez size mi ait?
Bu kayıt toplu arşivden geldi. Sizinse profilinize bağlayın.
Özet (TR)
Bu çalışmanın amacı çoklu örnek sınıflandırma problemini Alıcı İşletim Karakteristiği (ROC) eğrisi altındaki alanı (yani, AUC) doğrudan maksimize ederek çözmektir. Çok örnekli sınıflandırma için mümkün olan en iyi hiperdüzlem tabanlı sınıflandırıcıyı üreten karma bir tamsayı doğrusal programlama modeli türetilmiştir. Çalışmamız, kıyaslama örnekleri için çapraz doğrulama (CV) sonuçlarını yansıtan hiperdüze tabanlı yaklaşımların potansiyeline ışık tutmaktadır. Doğrudan AUC'yi en üst düzeye çıkardıkça, hiperdüze tabanlı bir sınıflandırıcı sadece şans eseri bu yazıda sunulanlardan daha iyi bir CV doğruluğu sağlayabilir. Son olarak, AUC'yi maksimize eden doğrusal olmayan sınıflandırıcılar üretmek için çekirdek püf noktasının nasıl uygulanabileceğini sunuyoruz.
Yazar
Gizem Atasoy
Bu Yayına Nasıl Atıf Yapılır
Gizem Atasoy (Yüksek Lisans Tezi). An exact approach to maximize area under receiver operator characteristic curve for multi-instance learning, 2018, Özyeğin University.
Anahtar Kelimeler
Lisans
Tüm Hakları Saklıdır
Bu eser belirtilen lisans koşulları altında paylaşılmaktadır.
Özyeğin University tezlerinden daha fazlası
- A metaheuristic approach for multiple-item economic lot sizing problem with inventory dependent demand(2023)
- Design and implementation of a data stream management system with advanced complex event processing capabilities(2013)
- A performance based assesment of biological self-healing cement-based mortar(2022)
- Türk Ceza Kanununda uyuşturucu ve uyarıcı madde suçlarında etkin pişmanlık(2023)
- Visual state-space based multi-task learning for building segmentation and height estimation(2025)
- Dual circularly polarized horn antenna and feed network for full ka-band satcom(2025)