Функция конкурентного сходства
Материал из MachineLearning.
 (категория)  | 
				м  (→См. также)  | 
			||
| Строка 43: | Строка 43: | ||
{{Задание|osa|Константин Воронцов|25 января 2010}}  | {{Задание|osa|Константин Воронцов|25 января 2010}}  | ||
| - | |||
[[Категория:Метрические алгоритмы классификации]]  | [[Категория:Метрические алгоритмы классификации]]  | ||
Версия 20:59, 9 января 2010
Функция конкурентного сходства или FRiS-функция – мера сходства двух объектов, исчисляемая относительно некоторого иного объекта.
Содержание | 
Введение
FRiS-функция, в отличие от других существующих мер сходства позволяет не просто отвечать на вопросы вида «далеко-близко?», «похож-не похож?», но также давать количественную оценку ответа на вопрос «по сравнению с чем?». Такой подход позволяет учитывать большее число факторов при классификации.
Основная формула
Пусть имеется некоторое пространство объектов  с заданной метрикой 
. Тогда FRiS-функция для объектов 
 и 
 относительно 
 исчисляется по следующей формуле:
Эту функция также называется сходством объектов  и 
 в конкуренции с 
.
Свойства
FRiS-функция обладает следующими свойствами:
1. Область значений функции  составляет отрезок 
2. Функция  возрастает, если 
 приближается к 
  
3. , 
  
4. Если , то 
  
5. 
Пример
На рисунке ниже приведён пример случая, когда FRiS функция, как мера сходства, работает лучше, чем обычная метрика:
![]()
Здесь имеются объекты двух классов: «+» и «-». Классифицируемый объект «?» лежит ближе к классу «-», однако, судя по структуре классов, он является более типичным представителем класса «+» и должен быть отнесён именно в этот класс.
FRiS-функция в большинстве подобных случаев работает корректно.
См. также
|   |  Данная статья является непроверенным учебным заданием.
 До указанного срока статья не должна редактироваться другими участниками проекта MachineLearning.ru. По его окончании любой участник вправе исправить данную статью по своему усмотрению и удалить данное предупреждение, выводимое с помощью шаблона {{Задание}}. См. также методические указания по использованию Ресурса MachineLearning.ru в учебном процессе.  | 


