Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Choosing the Most Effective Pattern Classification Model under Learning-Time Constraint

Texto completo
Autor(es):
Saito, Priscila T. M. [1] ; Nakamura, Rodrigo Y. M. [2] ; Amorim, Willian P. [3] ; Papa, Joao P. [4] ; de Rezende, Pedro J. [5] ; Falcao, Alexandre X. [5]
Número total de Autores: 6
Afiliação do(s) autor(es):
[1] Univ Tecnol Fed Parana, Dept Comp, Cornelio Procopio - Brazil
[2] Big Data Brazil, Sao Paulo, SP - Brazil
[3] Univ Fed Mato Grosso do Sul, Inst Comp, Campo Grande - Brazil
[4] Sao Paulo State Univ, Dept Comp, Bauru - Brazil
[5] Univ Estadual Campinas, Inst Comp, Campinas, SP - Brazil
Número total de Afiliações: 5
Tipo de documento: Artigo Científico
Fonte: PLoS One; v. 10, n. 6 JUN 26 2015.
Citações Web of Science: 3
Resumo

Nowadays, large datasets are common and demand faster and more effective pattern analysis techniques. However, methodologies to compare classifiers usually do not take into account the learning-time constraints required by applications. This work presents a methodology to compare classifiers with respect to their ability to learn from classification errors on a large learning set, within a given time limit. Faster techniques may acquire more training samples, but only when they are more effective will they achieve higher performance on unseen testing sets. We demonstrate this result using several techniques, multiple datasets, and typical learning-time limits required by applications. (AU)

Processo FAPESP: 14/16250-9 - Sobre a otimização de parâmetros em técnicas de aprendizado de máquina: avanços e paradigmas
Beneficiário:João Paulo Papa
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 11/14058-5 - Explorando abordagens de aprendizado sequencial para Floresta de Caminhos Ótimos
Beneficiário:Rodrigo Yuji Mizobe Nakamura
Linha de fomento: Bolsas no Brasil - Mestrado
Processo FAPESP: 12/18768-0 - Classificação multi-escala utilizando Floresta de Caminhos Ótimos
Beneficiário:Jefersson Alex dos Santos
Linha de fomento: Bolsas no Brasil - Pós-Doutorado
Processo FAPESP: 07/52015-0 - Métodos de aproximação para computação visual
Beneficiário:Jorge Stolfi
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 13/20387-7 - Otimização de hiperparâmetros em arquiteturas de aprendizado em profundidade
Beneficiário:João Paulo Papa
Linha de fomento: Bolsas no Exterior - Pesquisa