Roman Shapovalov » Publication

Abstract В данной работе рассматривается задача онлайнового обучения с учетом разных штрафов за ошибки на разных классах. Алгоритм онлайн-бэггинг часто применяется в областях, требующих обрабатывать поступающие данные "на лету". Доказано, что классификатор, полученный с помощью онлайн-бэггинга, асимптотически сходится к классификатору, полученному с помощью стандартного бэггинга, если они обучаются на одинаково распределённых данных. Тем не менее, классический алгоритм предполагает равноценность ошибок на разных классах, что недопустимо, например, при несбалансированном распределении классов. В статье предложен подход, позволяющий устанавливать произвольные штрафы за ошибки на разных классах.