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
- Tez No: 524613
- Danışmanlar: DOÇ. DR. ÖMER ERHUN KUNDAKCIOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Demiryollarında boş yük vagonlarının dağıtılması
Başlık çevirisi yok
LÜTFÜ GÜRAN
Yüksek Lisans
Türkçe
1998
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ORAL TÜMAY
- 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
2017
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM OZKOL
- 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
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERHAT İKİZOĞLU
DR. ÖĞR. ÜYESİ VAHİT BARIŞ TAVAKOL
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Medipol ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. REDA ALHAJJ
- 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
2023
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
DOÇ. DR. MİCHAEL STEFAN BİTTERMANN