Literatur vom gleichen Autor/der gleichen Autor*in
plus bei Google Scholar

Bibliografische Daten exportieren
 

Robustness Versus Consistency in Ill-Posed Classification and Regression Problems

Titelangaben

Hable, Robert ; Christmann, Andreas:
Robustness Versus Consistency in Ill-Posed Classification and Regression Problems.
In: Giusti, Antonio ; Ritter, Gunter ; Vichi, Maurizio (Hrsg.): Classification and Data Mining. - Berlin : Springer , 2013 . - S. 27-35
ISBN 978-3-642-28894-4
DOI: https://doi.org/10.1007/978-3-642-28894-4_4

Volltext

Link zum Volltext (externe URL): Volltext

Abstract

It is well-known from parametric statistics that there can be a goal conflict between efficiency and robustness. However, in so-called ill-posed problems, there is even a goal conflict between consistency and robustness. This particularly applies to certain nonparametric statistical problems such as nonparametric classification and regression problems which are often ill-posed. As an example in statistical machine learning, support vector machines are considered.

Weitere Angaben

Publikationsform: Aufsatz in einem Buch
Begutachteter Beitrag: Ja
Keywords: qualitative robustness; consistency; ill-posed; classification; pattern recognition; regression; universal consistency; kernel methods
Institutionen der Universität: Fakultäten > Fakultät für Mathematik, Physik und Informatik > Mathematisches Institut > Lehrstuhl Mathematik VII - Stochastik
Fakultäten > Fakultät für Mathematik, Physik und Informatik > Mathematisches Institut > Lehrstuhl Mathematik VII - Stochastik > Lehrstuhl Mathematik VII - Stochastik - Univ.-Prof. Dr. Andreas Christmann
Fakultäten
Fakultäten > Fakultät für Mathematik, Physik und Informatik
Fakultäten > Fakultät für Mathematik, Physik und Informatik > Mathematisches Institut
Titel an der UBT entstanden: Ja
Themengebiete aus DDC: 300 Sozialwissenschaften > 310 Statistiken
500 Naturwissenschaften und Mathematik > 510 Mathematik
Eingestellt am: 19 Okt 2015 06:24
Letzte Änderung: 19 Okt 2015 07:00
URI: https://eref.uni-bayreuth.de/id/eprint/20516