Geri Dön

An exact approach to maximize area under receiver operator characteristic curve for multi-instance learning

Çoklu örnek öğrenimi için alıcı operatörü karakteristik eğrisi altında kalan alanı en iyileştiren kesin yöntem yaklaşımı

  1. Tez No: 524613
  2. Yazar: GİZEM ATASOY
  3. Danışmanlar: DOÇ. DR. ÖMER ERHUN KUNDAKCIOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Özyeğin Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 39

Özet

Bu çalışmanın amacı çoklu örnek sınıflandırma problemini Alıcı İşletim Karakteristiği (ROC) eğrisi altındaki alanı (yani, AUC) doğrudan maksimize ederek çözmektir. Çok örnekli sınıflandırma için mümkün olan en iyi hiperdüzlem tabanlı sınıflandırıcıyı üreten karma bir tamsayı doğrusal programlama modeli türetilmiştir. Çalışmamız, kıyaslama örnekleri için çapraz doğrulama (CV) sonuçlarını yansıtan hiperdüze tabanlı yaklaşımların potansiyeline ışık tutmaktadır. Doğrudan AUC'yi en üst düzeye çıkardıkça, hiperdüze tabanlı bir sınıflandırıcı sadece şans eseri bu yazıda sunulanlardan daha iyi bir CV doğruluğu sağlayabilir. Son olarak, AUC'yi maksimize eden doğrusal olmayan sınıflandırıcılar üretmek için çekirdek püf noktasının nasıl uygulanabileceğini sunuyoruz.

Özet (Çeviri)

The purpose of this study is to solve the multi-instance classification problem by directly maximizing the area under Receiver Operating Characteristic (ROC) curve (i.e., AUC). We derive a mixed integer linear programming model that produces the best possible hyperplane-based classifier for multi-instance classification. Our study sheds a light on the potential of hyperplane-based approaches, reflecting cross validation (CV) results for benchmark instances. As we maximize AUC directly, a hyperplane-based classifier can only coincidentally provide a better CV accuracy than those presented in this paper. Finally, we present how Kernel trick can be applied to produce nonlinear classifiers that maximize AUC.

Benzer Tezler

  1. Demiryollarında boş yük vagonlarının dağıtılması

    Başlık çevirisi yok

    LÜTFÜ GÜRAN

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ORAL TÜMAY

  2. Büyük ölçekli havayolu ekip eşleme problemlerinin çözümü için bir kolon türetme stratejisi

    A column generation strategy for large scale airline crew pairing problems

    BAHADIR ZEREN

    Doktora

    Türkçe

    Türkçe

    2017

    Uçak Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. İBRAHİM OZKOL

  3. Deep reinforcement learning approach in control of Stewart platform- simulation and control

    Stewart platformunun kontrolünde derin pekistirmeli öğrenme yaklaşımıc- simülasyon ve kontrol

    HADI YADAVARI

    Doktora

    İngilizce

    İngilizce

    2023

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SERHAT İKİZOĞLU

    DR. ÖĞR. ÜYESİ VAHİT BARIŞ TAVAKOL

  4. Automated diagnosis in x-ray dental data: Innovative system developed with segmentation and classification

    X-ray dental verilerinde otomasyonlu tanı: Segmentasyon ve sınıflandırma yöntemleri ile geliştirilen yenilikçi sistem

    GÖZDE YURTDAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Medipol Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. REDA ALHAJJ

  5. An architectural design method using rank-based interactive evolutionary algorithm

    Sıralamaya dayalı etkileşimli evrim algoritması kullanılan mimari tasarım yöntemi

    ELİF GAMZE DEDELER

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Mimarlıkİstanbul Teknik Üniversitesi

    Bilişim Ana Bilim Dalı

    DOÇ. DR. MİCHAEL STEFAN BİTTERMANN