English español
Búsqueda
 

Repositorio de la Universidad de Oviedo > Producción Bibliográfica de UniOvi: RECOPILA > Artículos >

Use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10651/45313

Título : A review onquantification learning
Autor(es) y otros: González González, Pablo
Castaño Gutiérrez, Alberto
Chawla, N. V.
Coz Velasco, Juan José del
Palabras clave: Class distribution estimation
Prevalence estimation
Quantification
Fecha de publicación : 2017
Editorial : ACM
Versión del editor: http://dx.doi.org/10.1145/3117807
Citación : ACM Computing Surveys, 50(5), (2017); doi:10.1145/3117807
Descripción física: 37 p. (art. num. 74)
Resumen : The task of quantification consists in providing an aggregate estimation (e.g. the class distribution in a classification problem) for unseen test sets, applying a model that is trained using a training set with a different data distribution. Several real-world applications demand this kind of methods that do not require predictions for individual examples and just focus on obtaining accurate estimates at an aggregate level. During the past few years, several quantification methods have been proposed from different perspectives and with different goals. This paper presents a unified review of the main approaches with the aim of serving as an introductory tutorial for newcomers in the field
URI : http://hdl.handle.net/10651/45313
ISSN : 0360-0300
Aparece en las colecciones: Artículos
Informática
Investigaciones y Documentos OpenAIRE

Ficheros en este ítem:

Fichero Descripción Tamaño Formato
quant-review-grAcc.pdfPostprint675,32 kBAdobe PDFVisualizar/Abrir


Exportar a Mendeley


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
Creative Commons

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.

 

Base de Datos de Autoridades Biblioteca Universitaria Consultas / Sugerencias