- Abschlussarbeit:
- Bachelor in Mathematik
- Autor:
- Robin Viellieber
- Titel:
- Optimal rates of aggregation in classification
- Betreuer:
- Jan JOHANNES
- Abstrakt:
- Mittels eines Aggregationsverfahrens leitet diese Bachelorarbeit optimale Konvergenzraten für vier Aggregatoren im Rahmen der Klassifikation her. Die hier aufgeführten Resultate setzen auf eine Low-Noise-Annahme und werden für die Bayes-Regel formuliert. Jedoch werden wir die Theorie mit Hilfe des konvexen Hinge-Verlustes aufstellen und daraus analoge Aussagen für die Bayes-Regel ableiten. Zudem führen wir basierend auf Tsybakov [8] ein Konzept von Optimalität ein.
Literatur:- G. Lecué. Optimal rates of aggregation in classification under low noise assumption. Bernoulli, 13(4):1000-1022, 2007.
- A. B. Tsybakov. Optimal rates of aggregation. In: Schölkopf, Bernhard (ed.) et al., Learning theory and kernel machines. 16th annual conference on learning theory and 7th Kernel workshop proceedings. Springer Lecture Notes Computer Science, 2777, 303-313, 2003.
| Statistik-Gruppe | Institut für Mathematik | Fakultät für Mathematik und Informatik | Universität Heidelberg |