| dc.contributor | 統計系 | |
| dc.creator (作者) | 薛慧敏;蔡政安 | |
| dc.date (日期) | 2019-11 | |
| dc.date.accessioned | 14-May-2026 15:42:20 (UTC+8) | - |
| dc.date.available | 14-May-2026 15:42:20 (UTC+8) | - |
| dc.date.issued (上傳時間) | 14-May-2026 15:42:20 (UTC+8) | - |
| dc.identifier.uri (URI) | https://ah.lib.nccu.edu.tw/item?item_id=182634 | - |
| dc.description.abstract (摘要) | 近年來，因為計算效能增加以及廣泛的用途，分類器受到越來越多的重視。在很多實例中，由於成本或其他原因導致資料的確實標籤(或標記)不可得，資料中僅存在標籤的替代結果。例如Lee, Shin與Lee(2016)的文章中，病患是由臨床醫師診斷是否罹患阿茲海默症。當病狀不明顯時，可能導致誤判情況。為了獲得適當的分析結果，我們應當考量替代標籤的錯誤分類結果。另一方面，當預測變數維度高時，將使得參數估計以及分類器建立發生困難。本計畫提在考量錯誤分類(misclassification)下，採用稀疏充分維度縮減(sparse sufficient dimension reduction)方法以建立一二元分類器。我們將透過模擬以驗證該方法的適切性，並且將該方法運用在實例資料上。 | |
| dc.format.extent | 116 bytes | - |
| dc.format.mimetype | text/html | - |
| dc.relation (關聯) | 科技部, MOST107-2118-M004-003, 107.08-108.07 | |
| dc.subject (關鍵詞) | 二元分類器; E-M演算法; 錯誤標籤; 錯誤分類; 充分資料縮減; 變數選取 | |
| dc.subject (關鍵詞) | Binary classifier; E-M algorithm; label noise; misclassification; sufficient dimension reduction; variable selection | |
| dc.title (題名) | 建立錯誤標籤資料的分類器 | |
| dc.title (題名) | Classifier Construction Based on Misclassified Labels | |
| dc.type (資料類型) | report | |
