MORD: Multi-class Classifier for Ordinal Regression

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F13%3A00211706" target="_blank" >RIV/68407700:21230/13:00211706 - isvavai.cz</a>

Výsledek na webu

<a href="http://cmp.felk.cvut.cz/pub/cmp/articles/antoniuk/Antoniuk-Franc-Hlavac-ECML-2013.pdf" target="_blank" >http://cmp.felk.cvut.cz/pub/cmp/articles/antoniuk/Antoniuk-Franc-Hlavac-ECML-2013.pdf</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-642-40994-3_7" target="_blank" >10.1007/978-3-642-40994-3_7</a>

Jazyk výsledku

angličtina

Název v původním jazyce

MORD: Multi-class Classifier for Ordinal Regression

Popis výsledku v původním jazyce

We show that classification rules used in ordinal regression are equivalent to a certain class of linear multi-class classifiers. This observation not only allows to design new learning algorithms for ordinal regression using existing methods for multi-class classification but it also allows to derive new models for ordinal regression. For example, one can convert learning of ordinal classifier with (almost) arbitrary loss function to a convex unconstrained risk minimization problem for which many efficient solvers exist. The established equivalence also allows to increase discriminative power of the ordinal classifier without need to use kernels by introducing a piece-wise ordinal classifier. We demonstrate advantages of the proposed models on standard benchmarks as well as in solving a real-life problem. In particular, we show that the proposed piece-wise ordinal classifier applied to visual age estimation outperforms other standard prediction models.

Název v anglickém jazyce

MORD: Multi-class Classifier for Ordinal Regression

Popis výsledku anglicky

We show that classification rules used in ordinal regression are equivalent to a certain class of linear multi-class classifiers. This observation not only allows to design new learning algorithms for ordinal regression using existing methods for multi-class classification but it also allows to derive new models for ordinal regression. For example, one can convert learning of ordinal classifier with (almost) arbitrary loss function to a convex unconstrained risk minimization problem for which many efficient solvers exist. The established equivalence also allows to increase discriminative power of the ordinal classifier without need to use kernels by introducing a piece-wise ordinal classifier. We demonstrate advantages of the proposed models on standard benchmarks as well as in solving a real-life problem. In particular, we show that the proposed piece-wise ordinal classifier applied to visual age estimation outperforms other standard prediction models.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2013

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Machine Learning and Knowledge Discovery in Databases

ISBN

978-3-642-40993-6

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

16

Strana od-do

96-111

Název nakladatele

Springer-Verlag, GmbH

Místo vydání

Heidelberg

Místo konání akce

Prague

Datum konání akce

23. 9. 2013

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—