.png){kind=icon}
返回
Data as voters: Core set selection using approval-based multi-winner voting
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2026.114027.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种用于机器学习核心集/实例选择问题的创新方法。该方法基于近期关于基于批准的多人选举中的（比例）代表制的研究成果。在我们的模型中，实例同时扮演投票者和候选人的双重角色。训练集中每个实例（作为投票者）的批准集合是根据文献中已存在的局部集概念定义的。然后我们使用代表性投票规则选择选举胜者，这些胜者即为保留在缩减训练集中的数据实例。我们在涉及神经网络分类器和经典机器学习分类器（KNN和SVM）的两个实验中评估了该方法。实验表明，在多种情况下，我们的方法能够提升当前最佳方法的性能，且差异具有统计学意义。
Keyword:
Core set selection
Instance selection
Machine learning
Deep learning
Multi-winner voting
Proportional representation
