Тупиковые тесты
Материал из MachineLearning.
м |
м |
||
Строка 26: | Строка 26: | ||
===Строение АВО=== | ===Строение АВО=== | ||
- | # {} | + | #<tex>\Omega=\{\omega|\omega \subseteq \{1, \ldots, n\}\}</tex> - ''система опорных множеств''; |
- | # | + | #Вводится ''функция близости'' для двух объектов по опорному множеству \omega :<br /> |
- | + | <tex> | |
+ | B_\omega(X, X')=\bigwedge_{s \in \omega}{[\rho_s (X, X') \leq \epsilon_s]}</tex> | ||
+ | где <teh>\epsilon_s </teh> неотрицательные числа, называемые порогами, <tex>s=1,\ldots ,n </tex> | ||
# | # |
Версия 19:54, 13 февраля 2010
![]() | 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. |
Алгоритм вычисления оценки, в котором множество опорных множеств является множеством всех тупиковых тестов, называется тестовым алгоритмом. Первый вариант таких АВО был предложен Ю.И. Журавлевым. АВО совмещают метрические и логические принципы классификации. От метрических алгоритмов АВО наследует принцип оценивания сходства через введение множества метрик , а от логических принцип поиска конъюнктивных закономерностей, конъюнкции строятся не над бинарными признаками
, а над бинарными функциями близости вида
. В этом случае каждой закономерности соответствует не подмножество признаков, а подмножество метрик, называемое опорным множеством. Как правило одного опорного множества недостаточно, поэтому в АВО применяется взвешенное голосование по системе опорных множеств.
Описание АВО, основанных на тупиковых тестах
Формулировка задачи
Задача распознавания: - множество непересекающихся классов объектов.
Первоначальная информация (обучающая) и описание некоторого объекта
,
.
Объект задается через набор числовых признаков .
Задача распознавания состоит в определении включения заданного объекта в классы
.
В случае АВО, основанных на тупиковых тестах, начальная информация задается таблицей:
- таблица признаков объектов в обучающей выборке;
- описание объекта из обучающей выборки;
- выражение, определяющее включение объектов в классы;
Алгоритм распознавания, где
.
Строение АВО
- система опорных множеств;
- Вводится функция близости для двух объектов по опорному множеству \omega :
где <teh>\epsilon_s </teh> неотрицательные числа, называемые порогами,