W zależności od ilości danych do przetworzenia generowanie pliku może się wydłużyć.

Jeśli generowanie trwa zbyt długo można ograniczyć dane np. zmniejszając zakres lat.

Rozdział

Pobierz BibTeX

Tytuł

Online probabilistic label trees

Autorzy

[ 1 ] Instytut Informatyki, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ D ] doktorant | [ P ] pracownik

Dyscyplina naukowa (Ustawa 2.0)

[2.3] Informatyka techniczna i telekomunikacja

Rok publikacji

2021

Typ rozdziału

rozdział w monografii naukowej / referat

Język publikacji

angielski

Streszczenie

EN We introduce online probabilistic label trees (OPLTs), an algorithm that trains a label tree classifier in a fully online manner without any prior knowledge about the number of training instances, their features and labels. OPLTs are characterized by low time and space complexity as well as strong theoretical guarantees. They can be used for online multi-label and multi-class classification, including the very challenging scenarios of one- or few-shot learning. We demonstrate the attractiveness of OPLTs in a wide empirical study on several instances of the tasks mentioned above.

Strony (od-do)

1801 - 1809

URL

http://proceedings.mlr.press/v130/jasinska-kobus21a/jasinska-kobus21a.pdf

Książka

Proceedings of the 24th International Conference on Artificial Intelligence and Statistics, 13-15 April 2021

Zaprezentowany na

24th International Conference on Artificial Intelligence and Statistics AISTATS 2021, 13-15.04.2023

Typ licencji

Copyright

Tryb otwartego dostępu

witryna wydawcy

Wersja tekstu w otwartym dostępie

oryginalna wersja autorska

Czas udostępnienia publikacji w sposób otwarty

w momencie opublikowania

Punktacja Ministerstwa / rozdział

5

Punktacja Ministerstwa / konferencja (CORE)

140

Ta strona używa plików Cookies, w celu zapamiętania uwierzytelnionej sesji użytkownika. Aby dowiedzieć się więcej przeczytaj o plikach Cookies i Polityce Prywatności.