Nearest neighbor density ratio estimation for large-scale applications in astronomy

در برنامه های نجومی یادگیری ماشین، توزیع اشیاء مورد استفاده برای ساخت یک مدل اغلب از توزیع اشیاء که بعدا به آن اعمال می شود متفاوت است. این به عنوان تعصب انتخاب نمونه شناخته می شود، که یک چالش عمده برای استنتاج آماری است؛ زیرا دیگر نمی توان انتظار داشت که اطلاعات آموزش برچسب شده نماینده باشد. برای مقابله با این مسئله، می توان الگوهای آموزشی یاد شده را با توجه به توزیع داده های بدون برچسب که در حال حاضر در فاز آموزشی موجود هستند مطابقت دهد. مثال های زیادی در عمل وجود دارد که این استراتژی نتایج خوبی را به دست آورد، اما برآورد وزن ها به طور قابل اعتماد از یک نمونه محدود، چالش برانگیز است. ما یک برآوردکننده نزدیکترین تراکم همسایهی کارآیی را میبینیم که میتواند از نمونههای بزرگ برای افزایش دقت برآورد وزن استفاده کند. برای حل مشکل انتخاب اندازه محله محصور، ما پیشنهاد می کنیم از اعتبارسنجی متقابل بر روی معیار انتخاب مدل استفاده کنیم که در زیر تغییر متغیر است. الگوریتم نتیجه روش ما برای برآورد نسبت تراکم زمانی است که اندازه فضای ویژگی کوچک است و اندازه نمونه بزرگ است. این روش ساده است و به دلیل انتخاب مدل، قوی است. ما تجربی پیدا می کنیم که آن را در مقایسه با روش های مبتنی بر هسته مبتنی بر مجموعه داده های معیار رگرسیون نسبتا کوچک است. با این حال، هنگامی که به برآورد قرمز تغییر اندازه فتو متریک در مقیاس بزرگ اعمال می شود، رویکرد ما پیشرفته تر از حالت پیشرفته است.