En estadística , el escalamiento iterativo generalizado ( GIS ) y el escalamiento iterativo mejorado ( IIS ) son dos algoritmos tempranos utilizados para ajustar modelos log-lineales , [1] en particular los clasificadores de regresión logística multinomial (MaxEnt) y extensiones de este, como los modelos MaxEnt de Markov [2] y los campos aleatorios condicionales . Estos algoritmos han sido superados en gran medida por métodos basados en gradientes como L-BFGS [3] y algoritmos de descenso de coordenadas . [4]
Véase también
Referencias
- ^ Darroch, JN; Ratcliff, D. (1972). "Escalamiento iterativo generalizado para modelos log-lineales". Anales de estadística matemática . 43 (5): 1470–1480. doi : 10.1214/aoms/1177692379 .
- ^ McCallum, Andrew; Freitag, Dayne; Pereira, Fernando (2000). "Modelos de Markov de máxima entropía para la extracción y segmentación de información" (PDF) . Proc. ICML 2000. págs. 591–598.
- ^ Malouf, Robert (2002). Una comparación de algoritmos para la estimación de parámetros de máxima entropía (PDF) . Sexta Conferencia sobre Aprendizaje de Lenguaje Natural (CoNLL). pp. 49–55. Archivado desde el original (PDF) el 1 de noviembre de 2013.
- ^ Yu, Hsiang-Fu; Huang, Fang-Lan; Lin, Chih-Jen (2011). "Métodos de descenso de coordenadas duales para modelos de regresión logística y de máxima entropía" (PDF) . Aprendizaje automático . 85 (1–2): 41–75. doi : 10.1007/s10994-010-5221-8 .
