Перспектива экстенсиональных методов машинного обучения
Abstract
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.
Keywords:
машинное обучение – machine learning; контекстно-зависимые локальные метрики – context-dependent local metrics; экстенсиональные методы – extensional methods
References
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.