Ich habe algebraische Klassifikatoren gelesen : einen generischen Ansatz für schnelle Kreuzvalidierung, Online-Training und paralleles Training und war von der Leistung der abgeleiteten Algorithmen begeistert. Es scheint jedoch, dass es jenseits von Naive Bayes (und GBMs) nicht viele Algorithmen gibt, die an das Framework angepasst sind.
Gibt es andere Papiere, die an verschiedenen Klassifikatoren gearbeitet haben? (SVMs, zufällige Wälder)
Ich habe ein wenig in den Artikel gelesen, den Sie erwähnt haben. Für mich scheint es eine Konstruktion zu sein, die den Ansatz der algebraischen Statistik verwendet. Vielleicht möchten Sie einen Blick darauf werfen:
Cencov, Nikolai Nikolaevich. Statistische Entscheidungsregeln und optimale Inferenz. Nr. 53. American Mathematical Soc., 2000.
Dieses Buch ist etwas veraltet. Ein Grund dafür ist, dass heutzutage nicht viele Menschen an "kategorialen Anwendungen" interessiert sind. Der Originaldruck stammt aus den 1980er Jahren. Aber fast alle modernen algebraischen Studien in der Statistik lassen sich auf diesen Titel zurückführen.
Eine weitere sehr lesenswerte Einführung in dem von Ihnen erwähnten Artikel ist:
Drton, Mathias, Bernd Sturmfels und Seth Sullivant. Vorlesungen zur algebraischen Statistik. Vol. 39. Springer Science & Business Media, 2008.
Das Papier, das Sie in Ihrer Frage erwähnt haben, ist eine Anwendung der monoidtheoretischen Konstruktion auf das Klassifizierungsproblem, was interessant aussieht. Hoffe also, diese Referenzen helfen.