Finding relevant variables in PAC model with membership queries
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/93089
Tipus de documentReport de recerca
Data publicació1999-12
Condicions d'accésAccés obert
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
A new research frontier in AI and data mining seeks to develop methods
to automatically discover relevant variables among many irrelevant
ones. In this paper, we present four algorithms that output such
crucial variables in PAC model with membership queries. The first
algorithm executes the task under any unknown distribution by
measuring the distance between virtual and real targets. The second
algorithm exhausts virtual version space under an arbitrary
distribution. The third algorithm exhausts universal set under the
uniform distribution. The fourth algorithm measures influence of
variables under the uniform distribution. Knowing the number $r$ of
relevant variables, the first algorithm runs in almost linear time for
$r$. The second and the third ones use less membership queries than
the first one, but run in time exponential for $r$. The fourth one
enumerates highly influential variables in quadratic time for $r$.
CitacióGuijarro, D., Tarui, J., Tsukiji, T. "Finding relevant variables in PAC model with membership queries". 1999.
Forma partLSI-99-39-R
Col·leccions
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
R99-39.ps | 135,5Kb | Postscript | Visualitza/Obre |