Как определяется понятие отступа в метрических алгоритмах классификации?
ПрограммированиеМашинное обучение+3
Анонимный вопросМашинное обучение и Нейронные сети
· 8,2 K
Не нашел как тут писать формулы сложные, потому буду вставлять скриншоты.
тогда понятие отступа определяется как
Понятие «отступ» можно трактовать как «расстояние от объекта до поверхности,
отделяющей свой класс от всех остальных».
- шумовые или выбросы - большой отрицательный отступ(окружён объектами чужих классов)
- эталонный представитель - большой положительный отступ означает(объект окружён объектами своего класса)
- пограничный - Отступ, близкий к нулю (классификация неустойчива в том смысле, что малые изменения в составе обучающей выборки могут приводить к ошибочной классификации объекта)
- неинформативные - В выборках избыточно большого объёма выделяется масса объектов с большим положительным отступом, которые правильно классифицируются по ближайшим к ним эталонам и фактически не несут никакой новой информации. Плотно окружены другими объектами того же класса.
Шумовые и неинформативные целесообразно удалять из выборки.
- повышается качество классификации
- сокращается объём хранимых данных
- уменьшается время классификации
Вот несколько примеров, иллюстрирующих концепцию отступов в алгоритмах классификации метрик:
Рассмотрим набор данных с двумя классами: «собаки» и «кошки». Признаками, используемыми для классификации данных, являются вес и рост животных. Пространство признаков для этого набора данных будет двумерным пространством, где одна ось представляет вес, а другая ось представляет... Читать далее