MRCpy: A Library for Minimax Risk Classifiers

要約

タイトル：MRCpy：最小限のリスク分類器のためのライブラリ

要約：

– 既存の教師あり分類のためのライブラリは、経験的リスク最小化に基づく技術を実装し、代替損失を利用する。しかし、本論文ではロバストなリスク最小化に基づく最小限のリスク分類器（MRCs）を実装したMRCpyライブラリを提案する。
– MRCpyライブラリは0-1損失を利用できるため、期待損失に対して緊密な境界を提供するさまざまな分類手法を提供する。
– MRCpyライブラリはPythonの人気ライブラリの標準に従い、異なるMRCのバリアントに対する統一されたインターフェイスを提供する。
– MRCpyライブラリは、L1正則化ロジスティック回帰、ゼロワンアドバーサル、最大エントロピーマシンなどのMRCと見なすことができる人気の技術の実装も提供する。
– さらに、MRCpyライブラリは、フーリエ、ReLU、閾値特徴などの最近の特徴マッピングの実装も提供する。
– MRCpyライブラリは、共同研究者やユーザーに利便性の高いオブジェクト指向アプローチで設計されている。

要約(オリジナル)

Existing libraries for supervised classification implement techniques that are based on empirical risk minimization and utilize surrogate losses. We present MRCpy library that implements minimax risk classifiers (MRCs) that are based on robust risk minimization and can utilize 0-1-loss. Such techniques give rise to a manifold of classification methods that can provide tight bounds on the expected loss. MRCpy provides a unified interface for different variants of MRCs and follows the standards of popular Python libraries. The presented library also provides implementation for popular techniques that can be seen as MRCs such as L1-regularized logistic regression, zero-one adversarial, and maximum entropy machines. In addition, MRCpy implements recent feature mappings such as Fourier, ReLU, and threshold features. The library is designed with an object-oriented approach that facilitates collaborators and users.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI