Learning kernel logistic regression in the presence of class label noise

در این مقاله، ما بر روی تکنولوژی کریستالوپلاستی به طور گسترده ای مورد استفاده قرار می گیریم تا طبقه بندی رگرسیون لجستیک لجستیک قوی مارک مارپیچی را معرفی کنیم. دشواری اصلی که ما بایستی دور بزنیم این است که چگونه پارامترهای پیچیدگی مدل را تعیین کنیم که هیچ اعتبار سنجی مورد اعتماد در دسترس نیست. ما پیشنهاد می کنیم رویکرد یادگیری چند هسته ای را برای این هدف جدید هماهنگ کنیم، همراه با یک طرح قانونی بیزی. نتایج تجربی بر روی 13 مجموعه داده های معیار و دو برنامه کاربردی در دنیای واقعی، نشان دهنده موفقیت طرح ما است.