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

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]

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

• 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
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Processo FAPESP: 11/14058-5 - Explorando Abordagens de Aprendizado Sequencial para Floresta de Caminhos Ótimos
• Beneficiário: Rodrigo Yuji Mizobe Nakamura
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Processo FAPESP: 13/20387-7 - Otimização de hiperparâmetros em arquiteturas de aprendizado em profundidade
• Beneficiário: João Paulo Papa
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Processo FAPESP: 07/52015-0 - Métodos de aproximação para computação visual
• Beneficiário: Jorge Stolfi
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Processo FAPESP: 12/18768-0 - Classificação Multi-Escala Utilizando Floresta de Caminhos Ótimos
• Beneficiário: Jefersson A dos Santos
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado