微信里点“发现”，扫一下
二维码便可将本文分享至朋友圈
演讲摘要：贝叶斯决策作为一种基于概率推理的决策框架，在模式分类中占据着重要的地位。其核心思想是基于样本的先验概率和类条件概率计算样本的后验概率，然后基于后验概率进行决策。然而，在实际任务中大多难以精准刻画类条件概率，导致贝叶斯决策在实际问题中难以发挥作用，使其大多仅存在于理论分析层面。报告从如何有效刻画类条件概率这一问题入手，介绍渗流理论的基本概念和核心思想；基于建立的渗流理论中节点被占据概率与类条件概率的关系，提出了可通过渗流类簇的大小来间接地刻画样本的特征和类别之间的概率关系的方法；并结合模式分类中的实例选择、贝叶斯错误率估计和模型泛化性能提升等研究问题，介绍相关研究工作和成果。
讲者简介：曹付元，博士，教授，博士生导师，山西大学研究生院副院长。主要研究方向为数据挖掘、机器学习、因果推断及其在行业中的应用。近年来，先后主持国家级和省部级项目20余项；在IEEE 会刊、AAAI、《中国科学》等重要学术刊物和会议上发表论文70余篇；获山西省科技进步二等奖1项（排名第一），山西省科技进步一等奖1项（排名第四）。博士学位论文获2011年度中国人工智能学会优秀博士学位论文奖。
CCF第38届中国计算机应用大会
[专题论坛]因果机器学习及应用
京公网安备11010802032778号