The Kendall and Mallows Kernels for Permutations

Abstract : We show that the widely used Kendall tau correlation coefficient, and the related Mallows kernel, are positive definite kernels for permutations. They offer computationally attractive alternatives to more complex kernels on the symmetric group to learn from rankings, or learn to rank. We show how to extend these kernels to partial rankings, multivariate rankings and uncertain rankings. Examples are presented on how to formulate typical problems of learning from rankings such that they can be solved with state-of-the-art kernel algorithms. We demonstrate promising results on clustering heterogeneous rank data and high-dimensional classification problems in biomedical applications.
Type de document :
Pré-publication, Document de travail
2016
Liste complète des métadonnées

Littérature citée [79 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01279273
Contributeur : Yunlong Jiao <>
Soumis le : lundi 12 septembre 2016 - 12:49:46
Dernière modification le : vendredi 27 octobre 2017 - 17:32:02
Document(s) archivé(s) le : mardi 13 décembre 2016 - 13:10:09

Fichier

techreportv2.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01279273, version 2

Collections

Citation

Yunlong Jiao, Jean-Philippe Vert. The Kendall and Mallows Kernels for Permutations. 2016. 〈hal-01279273v2〉

Partager

Métriques

Consultations de la notice

550

Téléchargements de fichiers

345