Online nearest neighbor classification

要約

我々は、実現可能な設定におけるオンラインノンパラメトリック分類のインスタンスを研究する。特に、古典的な1-ニアレストネイバーアルゴリズムを考察し、実現可能な設定において、支配的あるいは平滑化された敵対者に対して、線形以下の後悔、すなわち消失するミス率を達成することを示す。

要約(オリジナル)

We study an instance of online non-parametric classification in the realizable setting. In particular, we consider the classical 1-nearest neighbor algorithm, and show that it achieves sublinear regret – that is, a vanishing mistake rate – against dominated or smoothed adversaries in the realizable setting.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL