Bayesian nonparametric adaptive classification with robust prior information = Modello Bayesiano nonparametrico per classificazione adattiva con informazione a priori robusta

In a standard classification framework, a discriminating rule is usually built from a trustworthy set of labeled units. In this context, test observations will be automatically classified as to have arisen from one of the known groups encountered in the training set, without the possibility of detecting previously unseen classes. To overcome this limitation, an adaptive semi-parametric Bayesian classifier is intro- duced for modeling the test units, where robust knowledge is extracted from the training set and incorporated within the priors’ model specification. A successful application of the proposed approach in a real-world problem is addressed.

In un problema di classificazione, di solito viene derivata una regola dis- criminante a partire da un insieme affidabile di unit`a etichettate. In questo contesto, le osservazioni nel dataset di test verranno automaticamente classificate come orig- inate da uno dei gruppi noti, emersi nell’analisi del set di training. Non vi `e quindi possibilit`a di rilevare classi mai viste prima. Per ovviare a questa limitazione, viene introdotto un classificatore bayesiano semi-parametrico adattabile a includere nuove classi per modellare le unit`a del test set, estraendo informazione robusta dal dataset di training ed incorporando la stessa come prior knowledge. Viene poi presentata un’applicazione dell’approccio proposto su dati reali.