Detecting ineffective features for pattern recognition
Loading...
Date
2017
Authors
Volume
2017-26
Issue
Journal
Series Titel
Oberwolfach Preprints (OWP)
Book Title
Publisher
Oberwolfach : Mathematisches Forschungsinstitut Oberwolfach
Link to publishers version
Abstract
For a binary classification problem, the hypothesis testing is studied, that a component of the observation vector is not effective, i.e., that component carries no information for the classification. We introduce nearest neighbor and partitioning estimates of the Bayes error probability, which result in a strongly consistent test.
Description
Keywords
Citation
Györfi, L., & Walk, H. (2017). Detecting ineffective features for pattern recognition (Oberwolfach : Mathematisches Forschungsinstitut Oberwolfach). Oberwolfach : Mathematisches Forschungsinstitut Oberwolfach. https://doi.org//10.14760/OWP-2017-26
Collections
License
This document may be downloaded, read, stored and printed for your own use within the limits of § 53 UrhG but it may not be distributed via the internet or passed on to external parties.
Dieses Dokument darf im Rahmen von § 53 UrhG zum eigenen Gebrauch kostenfrei heruntergeladen, gelesen, gespeichert und ausgedruckt, aber nicht im Internet bereitgestellt oder an Außenstehende weitergegeben werden.
Dieses Dokument darf im Rahmen von § 53 UrhG zum eigenen Gebrauch kostenfrei heruntergeladen, gelesen, gespeichert und ausgedruckt, aber nicht im Internet bereitgestellt oder an Außenstehende weitergegeben werden.