Ensembles of case‐based reasoning classifiers in high‐dimensional biological domains
Notice bibliographique
Résumé
Abstract In order to extend the capabilities of case‐based reasoning (CBR), we implemented an ensemble for case‐based reasoning (E4CBR) approach where an ensemble of CBR classifiers is combined with clustering and feature selection. We first select a subset of features of all the cases, and then cluster the cases into disjoint groups, where each group of cases forms the case‐base of one of the member classifiers. Finally, in each case‐base, a subset of features is ‘locally’ selected individually. To predict the label of an unseen case, each classifier in the ensemble provides a prediction, and the aggregation component of E4CBR combines the predictions by weighing each classifier using a CBR approach—a classifier with more cases similar to the test case receives a higher weight.We evaluated E4CBR on four publicly available biological data sets, and also compared the classification error of E4CBR with a single CBR classifier. In our experiments, we use TA3—a computational framework for CBR systems. Our results show that E4CBR reduces the classification error of our CBR classifier. On the basis of empirical results, our aggregation method outperforms the existing CBR aggregation methods. © 2011 John Wiley & Sons, Inc. WIREs Data Mining Knowl Discov 2011 1 164‐171 DOI: 10.1002/widm.22 This article is categorized under: Algorithmic Development > Ensemble Methods
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».