Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
An Evidential Collaborative Filtering Approach Based on Items Contents Clustering Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Logistic Regression Revisited: Belief Function Analysis

verfasst von : Thierry Denoeux

Erschienen in: Belief Functions: Theory and Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

We show that the weighted sum and softmax operations performed in logistic regression classifiers can be interpreted in terms of evidence aggregation using Dempster’s rule of combination. From that perspective, the output probabilities from such classifiers can be seen as normalized plausibilities, for some mass functions that can be laid bare. This finding suggests that the theory of belief functions is a more general framework for classifier construction than is usually considered.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel General Geometry of Belief Function Combination
Nächstes Kapitel From Relations Between Sets to Relations Between Belief Functions
Fußnoten
1
The case of binary classification with \(K=2\) classes requires a separate treatment. Due to space constaints, we focus on the multi-category case in this paper.
 
Literatur
1.
Bi, Y., Guan, J., Bell, D.: The combination of multiple classifiers using an evidential reasoning approach. Artif. Intell. 172(15), 1731–1751 (2008)CrossRef
2.
Cobb, B.R., Shenoy, P.P.: On the plausibility transformation method for translating belief function models to probability models. Int. J. Approximate Reasoning 41(3), 314–330 (2006)MathSciNetCrossRef
3.
Denœux, T.: A \(k\)-nearest neighbor classification rule based on Dempster-Shafer theory. IEEE Trans. Syst. Man Cybern. 25(05), 804–813 (1995)CrossRef
4.
Denœux, T.: Analysis of evidence-theoretic decision rules for pattern classification. Pattern Recogn. 30(7), 1095–1107 (1997)CrossRef
5.
Denœux, T.: A neural network classifier based on Dempster-Shafer theory. IEEE Trans. Syst. Man Cybern. A 30(2), 131–150 (2000)CrossRef
6.
Denœux, T.: Conjunctive and disjunctive combination of belief functions induced by non distinct bodies of evidence. Artif. Intell. 172, 234–264 (2008)MathSciNetCrossRef
7.
Quost, B., Masson, M.-H., Denœux, T.: Classifier fusion in the Dempster-Shafer framework using optimized t-norm based combination rules. Int. J. Approximate Reasoning 52(3), 353–374 (2011)MathSciNetCrossRef
8.
Rogova, G.: Combining the results of several neural network classifiers. Neural Netw. 7(5), 777–781 (1994)CrossRef
9.
Shafer, G.: A Mathematical Theory of Evidence. Princeton University Press, Princeton (1976)MATH
10.
Smets, P.: The canonical decomposition of a weighted belief. In: International Joint Conference on Artificial Intelligence, pp. 1896–1901. Morgan Kaufman, San Mateo (1995)
11.
Troffaes, M.C.: Decision making under uncertainty using imprecise probabilities. Int. J. Approximate Reasoning 45(1), 17–29 (2007)MathSciNetCrossRef
Metadaten
Titel
Logistic Regression Revisited: Belief Function Analysis
verfasst von
Thierry Denoeux
Copyright-Jahr
2018
Buch
Belief Functions: Theory and Applications

Print ISBN: 978-3-319-99382-9

Electronic ISBN: 978-3-319-99383-6

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-99383-6_8

Premium Partner

    Bildnachweise