Перспектива экстенсиональных методов машинного обучения

Дюк В. А., Брюс Ф. О., Богданов А. В.

Читать статью полностью

  Перспектива экстенсиональных методов машинного обучения(1,15 MB)

Аннотация

Основной проблемой использования наиболее популярного экстенсионального метода k-ближайших соседей считают необходимость хранить в памяти всю обучающую выборку. Данная проблема получает свое решение путем формирования для объектов выборки собственных контекстно-зависимых локальных метрик, существенно расширяющих «сферу действия» объектов. В статье рассматривается пример, иллюстрирующий продуктивность представления о локальных контекстно-зависимых метриках в задачах классификации данных.

Ключевые слова:

машинное обучение – machine learning; контекстно-зависимые локальные метрики – context-dependent local metrics; экстенсиональные методы – extensional methods

Список литературы

1. Флегонтов, А. В. Мягкие знания и нечеткая системология гуманитарных областей / А.В. Флегонтов, В.А. Дюк, И.К. Фомина // Программные продукты и системы. – 2008. – № 3. – С. 97–102.

2. Domingos, P. The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World / P. Domingos. – New York: Basic Books, 2015. – 352 p.

3. Дюк, В. А. Компьютерная психодиагностика / В.А. Дюк. – СПб.: Братство, 1994. – 364 с.

4. Fix, E. Discriminatory analysis: nonparametric discrimination: consistency properties / E. Fix, J.L. Hodges // Rep. N 4. – USAF school of Aviation Medicine. – Texas, February 1951. – Project 21-49-004.

5. Cover, T. Nearest neighbor pattern classification / T. Cover, P. Hart // IEEE Transactions on Information Theory. – 1967. – Vol. 13, Iss. 1. – P. 21–27.

6. Duda, R. О. Pattern classification and scene analysis / R.О. Duda, P.E. Hart. – New York: Wiley, 1973. – 482 p.

7. Журавлев, Ю. И. Алгоритмы распознавания, основанные на вычислении оценок / Ю.И. Журавлев, В.В. Никифоров // Кибернетика. – 1971. – № 3. – С. 1–11.

8. Крылов, В. Ю. Метод многомерной геометризации психологических данных. Системный подход в математической психологии / В.Ю. Крылов // Принцип системности в психологических исследованиях. – М.: Наука, 1990. – C. 33–48.

9. Дюк, В. А. Сравнение алгоритмов распознавания типов транспортных средств по параметрам их силуэтов / В.А. Дюк, И.Г. Малыгин // Морские интеллектуальные технологии. – 2018. – № 4 (42), Т. 4. – С. 107–201.

10. A CROC stronger than ROC: measuring, visualizing and optimizing early retrieval / S.J. Swamidass [et al.] // Bioinformatics. – 2010. – No. 26 (10). – P. 1348–1356.