일반화된 반복 스케일링

Generalized iterative scaling

통계에서 일반화된 반복 스케일링(GIS)과 개선된 반복 스케일링(IIS)은 로그-선형 모델을 맞추기 위해 사용되는 두 가지 초기 알고리즘으로, 특히 다항 로지스틱 회귀(MaxEnt) 분류자와 이를 확장한 MaxEnt Markov[2] 모델 및 조건부 랜덤 필드 등이다.[1]이러한 알고리즘은 L-BFGS[3] 및 좌표 강하 알고리즘과 같은 그라데이션 기반 방법에 의해 크게 능가되어 왔다.[4]

참고 항목

참조

  1. ^ Darroch, J.N.; Ratcliff, D. (1972). "Generalized iterative scaling for log-linear models". The Annals of Mathematical Statistics. 43 (5): 1470–1480. doi:10.1214/aoms/1177692379.
  2. ^ McCallum, Andrew; Freitag, Dayne; Pereira, Fernando (2000). "Maximum Entropy Markov Models for Information Extraction and Segmentation" (PDF). Proc. ICML 2000. pp. 591–598.
  3. ^ Malouf, Robert (2002). A comparison of algorithms for maximum entropy parameter estimation (PDF). Sixth Conf. on Natural Language Learning (CoNLL). pp. 49–55. Archived from the original (PDF) on 2013-11-01.
  4. ^ Yu, Hsiang-Fu; Huang, Fang-Lan; Lin, Chih-Jen (2011). "Dual coordinate descent methods for logistic regression and maximum entropy models" (PDF). Machine Learning. 85 (1–2): 41–75. doi:10.1007/s10994-010-5221-8.


Stub icon

이 통계 관련 기사는 단조롭다.위키피디아를 확장하여 도울 수 있다.