Участник:Александр Двойнев/Метод потенциальных функций с размещением реперных объектов в 1 классе

Материал из MachineLearning.

Перейти к: навигация, поиск

Содержание

Аннотация

Пусть имеется пространство объектов S и конечное множество имён классов Y, |Y|=l. На множестве S задана функция расстояния \rho:S \times S \to [0,\infty). Существует целевая зависимость y^*:S \to Y, значения которой известны только на объектах обучающей выборки S^m = (s_i,y_i)_{i=1}^m, \; y_i=y^*(s_i). Требуется построить алгоритм классификации a:S \to Y, аппроксимирующий целевую зависимость y^*(s) на всём множестве S.

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

Пусть для каждого из классов K_1,\ldots,K_l модель по поступившему объекту x \in S вычисляет оценки \Gamma_1(x),\ldots,\Gamma_l(x) по правилу

\Gamma_j(x)=\sum_{i=1}^m[y_i=j]\omega_iK(x,s_i),

Описание вычисления оценок

Параметры модели

Ссылки

Список литературы

  • Воронцов К.В. Лекции по метрическим алгоритмам классификации


Источник — «http://www.machinelearning.ru/wiki/index.php?title=%D0%A3%D1%87%D0%B0%D1%81%D1%82%D0%BD%D0%B8%D0%BA:%D0%90%D0%BB%D0%B5%D0%BA%D1%81%D0%B0%D0%BD%D0%B4%D1%80_%D0%94%D0%B2%D0%BE%D0%B9%D0%BD%D0%B5%D0%B2/%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D0%BF%D0%BE%D1%82%D0%B5%D0%BD%D1%86%D0%B8%D0%B0%D0%BB%D1%8C%D0%BD%D1%8B%D1%85_%D1%84%D1%83%D0%BD%D0%BA%D1%86%D0%B8%D0%B9_%D1%81_%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%89%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC_%D1%80%D0%B5%D0%BF%D0%B5%D1%80%D0%BD%D1%8B%D1%85_%D0%BE%D0%B1%D1%8A%D0%B5%D0%BA%D1%82%D0%BE%D0%B2_%D0%B2_1_%D0%BA%D0%BB%D0%B0%D1%81%D1%81%D0%B5»
Личные инструменты