Fretcit-kNN算法性能分析

摘要：

@@ 1引言
上世纪90年代中期,多示例学习这个概念在Dietterich等人[1]对药物活性预测问题的研究中被首先提出.凭借其独特的性质和广泛的应用前景,多示例学习被认为是和监督学习、非监督学习、强化学习并列的一种学习框架[2].和监督学习相比,多示例学习中的训练集不再是由若干示例组成,取而代之的是一组带有概念标记的包(bag),每一个包是若干没有概念标记的示例集合.如果一个包中至少存在一个正例,则该包被标记为正包;如果一个包不含有任何正例,则该包为反包.学习系统通过对已经标定类别的包进行学习来建立模型,希望尽可能正确地预测不曾遇到过的包的概念标记.

机标关键词：算法、多示例学习、非监督学习、概念、标记、预测问题、应用前景、药物活性、学习系统、学习框架、强化学习、建立模型、训练集、组成、集合

所属期刊栏目：31

分类号：TP3(计算技术、计算机技术)

资助基金：国家重点基础研究发展计划973计划60325237;中国科学院资助项目60105004;科技部科研项目2002CB312002

在线出版日期：2005-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：152-155