Оценки надежности работы классификаторов на основании функции неподобия

Abstract

Запропоновано підходи до обчислення верхніх оцінок вірогідності розпізнавання, що сприяють їх використанню для більш широкого класу моделей. Одна з оцінок стосується визначення стійкості покриття об’єктів класифікуючими алгоритмами на підставі розподілу відстаней між об’єктами, а інша — змінного контролю з виключенням по одному, що дає можливість значно простіше і швидше будувати оцінки.

The approaches to calculating the upper-bound estimates of the recognition probability are proposed. This allows using them for a more general class of models. One of the estimates determines the stability of the object coverage by classification algorithms based on the distribution of the distances between objects. The second estimate is concerned with leave-one-out cross-validation. This makes the estimation much faster and easier.