第5章分類技術(shù)-文庫吧資料
2024-10-19 13:35本頁面
【正文】 整合的方法 ? 藉由處理訓(xùn)練資料：可根據(jù)樣本分配的狀況，另外產(chǎn)生一些相似的樣本。 2020 臺灣培生教育出版 (Pearson Education Taiwan) 基本分類法與整合分類法錯誤率的比較 169。 2020 臺灣培生教育出版 (Pearson Education Taiwan) 支援向量機(jī)的特性 ? 支援向量機(jī)的學(xué)習(xí)問題可以轉(zhuǎn)變成凸型最佳化的問題，可以用來找到目標(biāo)函數(shù)的全域最佳化 ? 支援向量機(jī)可藉由最大化決策界限的邊界來執(zhí)行容量的控制（ capacity control） ? 支援向量機(jī)可以針對每個類別屬性變數(shù)建立虛擬變數(shù)，使得支援向量機(jī)可以應(yīng)用在類別型資料上 ? 可處理二元與多元分類的問題 169。 2020 臺灣培生教育出版 (Pearson Education Taiwan) 非線性的支援向量機(jī) ? 將原屬於同類空間 x 中的資料轉(zhuǎn)換成新的空間 ，如此線性決策界限就可在轉(zhuǎn)換後的空間中分割資料 ? 非線性的支援向量機(jī)：非線性的支援向量機(jī)的學(xué)習(xí)可以用以下最佳化問題來表示： 169。 2020 臺灣培生教育出版 (Pearson Education Taiwan) 線性的支援向量機(jī)：可分割的例子 ? 線性支援向量機(jī)：可分割的情況 支援向量機(jī)的學(xué)習(xí)方式可以正式化成以下的限制最佳化的問題： ? 線性資料可分割的例子 169。 2020 臺灣培生教育出版 (Pearson Education Taiwan) 支援向量機(jī) ? 支援向量機(jī)（ support vector machine， SVM）的分類技術(shù)起源於統(tǒng)計學(xué)習(xí)理論 ? SVM 也能夠處理高維度資料的問題 ? 可以使用訓(xùn)練範(fàn)例的子集合來表示決策界限，就是支援向量（ support vector） 169。 2020 臺灣培生教育出版 (Pearson Education Taiwan) 類神經(jīng)網(wǎng)路 (3) ? 多層網(wǎng)路：允許輸入與輸出層中間再存在節(jié)點，我們稱為中間層，又稱為隱藏層 多層前向式架構(gòu)類神經(jīng)網(wǎng)路 169。 2020 臺灣培生教育出版 (Pearson Education Taiwan) 類神經(jīng)網(wǎng)路 (2) ? 感知機(jī)網(wǎng)路，由兩種節(jié)點所組成。而如果資料本身具有遺漏值的話，也可以藉由彙整、或是整合所有屬性的可能值，來處理這個問題 – 資料是結(jié)合事前知識的機(jī)率，可避免模式過度學(xué)習(xí) 169。 圖 用直接非循環(huán)圖來表示機(jī)率關(guān)係 169。 2020 臺灣培生教育出版 (Pearson Education Taiwan) 單純貝氏分類法 (2) ? 單純貝氏分類法的特性 – 可以處理雜訊資料的問題，而且也可以在模式建立以及分類的時候忽略掉遺漏值 – 可以處理不相關(guān)的屬性 – 關(guān)聯(lián)度高的屬性可能會因為沒有滿足條件獨立的假設(shè)，而使得誤判率提高 169。ve Bayes ） – 貝氏信念網(wǎng)路（ Bayesian belief work， BBN） 169。 2020 臺灣培生教育出版 (Pearson Education Taiwan) 貝氏分類法 ? 貝氏理論（ Bayes theorem），它是一個從資料當(dāng)中結(jié)合類別知識的方法。 2020 臺灣培生教育出版 (Pearson Education Taiwan) 間接法的規(guī)則萃取 ? 每個決策樹從根節(jié)點到葉節(jié)點的路徑都是一個分類規(guī)則 ? 規(guī)則產(chǎn)生：分類規(guī)則是每一條由根節(jié)點到葉節(jié)點的路徑中所萃取出來的 ? 規(guī)則的排序：相同分類將歸到一個子集合下，每個子集合的總長度將分別被計算出來，而且會依照總長度來進(jìn)行遞增的排序 169。 2020 臺灣培生教育出版 (Pearson Education Taiwan) Learnonerule 函數(shù)之規(guī)則評估 ? 規(guī)則評估的指標(biāo)，在於決定那一個結(jié)合應(yīng)該在規(guī)則成長的過程當(dāng)中被增加或是移除 ? 正確率可衡量那些訓(xùn)練資料可以被正確的歸類 ? 利用正確率來評估的方法卻沒有考慮到覆蓋率 – 利用統(tǒng)計檢定來刪除一些覆蓋率較差的規(guī)則 – 同時考慮規(guī)則覆蓋率 – 考量規(guī)則被用到的支持個數(shù)（ support count）其中一個衡量的公式是 FOIL 資訊獲利 169。 2020 臺灣培生教育出版 (Pearson Education Taiwan) Learnonerule 函數(shù)之規(guī)則成長策略 (1) ? 演繹法（ generaltospecific）： – 先產(chǎn)生一個初始的規(guī)則 r:{}→ y – 左邊是空集合，右邊則包含目標(biāo)類別 – 規(guī)則包含所有訓(xùn)練資料，所以分類品質(zhì)是很差 ? 歸納法（ specifictogeneral）： – 先隨機(jī)選取一筆正例做為後續(xù)規(guī)則成長的基礎(chǔ) – 在修正的階段中，規(guī)則將不斷的移除本身的一個結(jié)合來使得它可以
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1