Метод потенциальных функций с размещением реперных объектов в 1 классе
Материал из MachineLearning.
Содержание |
Аннотация
Пусть имеется пространство объектов и конечное множество имён классов , На множестве задана функция расстояния Существует целевая зависимость значения которой известны только на объектах обучающей выборки Требуется построить алгоритм классификации аппроксимирующий целевую зависимость на всём множестве .
Метод потенциальных функций яляется метрическим методом. Основная идея метода состоит в том, что объектам из обучающей выборки присваивается "заряд", который "притягивает" классифицируемый объект к соответствующему классу.
Описание работы модели
Для каждого из классов модель по поступившему объекту вычисляет оценки по правилу
где , - метрика, - ядро (некая невозрастающая на функция.
Допустим, что модель обучена. Рассмотрим её работу на конкретных примерах:
Описание вычисления оценок
Оценки для каждого класса вычисляются по формуле (1). По вычисленным оценкам получаем окончательный ответ согласно решающему правилу
Если существуют такие что то можно сказать, что
Параметры модели
Обозначение | Множество значений | Наименование/интерпретация |
---|---|---|
Эталонные объекты и соответствующие ответы | ||
Веса эталонных объектов ("заряды") | ||
Ядро (невозрастающая на функция) | ||
метрика |
Ссылки
Список литературы
- Воронцов К.В. Лекции по метрическим алгоритмам классификации