Полезное:
Как сделать разговор полезным и приятным
Как сделать объемную звезду своими руками
Как сделать то, что делать не хочется?
Как сделать погремушку
Как сделать так чтобы женщины сами знакомились с вами
Как сделать идею коммерческой
Как сделать хорошую растяжку ног?
Как сделать наш разум здоровым?
Как сделать, чтобы люди обманывали меньше
Вопрос 4. Как сделать так, чтобы вас уважали и ценили?
Как сделать лучше себе и другим людям
Как сделать свидание интересным?
Категории:
АрхитектураАстрономияБиологияГеографияГеологияИнформатикаИскусствоИсторияКулинарияКультураМаркетингМатематикаМедицинаМенеджментОхрана трудаПравоПроизводствоПсихологияРелигияСоциологияСпортТехникаФизикаФилософияХимияЭкологияЭкономикаЭлектроника
|
Сводка действий при построении классификатораВ построении классификатора на основе нейронной сети можно выделить следующие этапы: 1. Данные: 1.1. Составить базу данных из примеров, характерных для поставленной задачи. 1.2.Разбить всю совокупность данных на два множества: обучающее и тестовое. 2. Предварительная обработка: 2.1. Выбрать систему признаков, характерных для данной задачи, и преобравать данные соответствующим образом для подачи на вход сети (нормировка, стандартизация и т.д.). В результате желательно получить линейно отделимое представление множества образцов. 2.2. Выбрать систему кодирования выходного значения или значений («бабушкино» кодирование, 2-на-2 и др.). 3. Конструирование, обучение и оценка качества сети: 3.1. Выбрать топологию сети: число элементов и структуру связей (входы, слои, выходы). 3.2. Выбрать функцию активации, которая будет использоваться. 3.3. Выбрать подходящий алгоритм обучения сети. 3.4. Оценить качество работы сети (по подтверждающему множеству или по информационному критерию) в зависимости от ее сложности с целью оптимизировать архитектуру (уменьшение весов, прореживание и т.д.). 3.5. Остановиться на варианте сети с наилучшей способностью к «обобщению» и оценить качество работы по тестовому множеству. 4. Использование и диагностика: 4.1 Выяснить степень влияния различных факторов на принимаемое решение (эвристики). 4.2. Убедиться, что доля случаев неправильной классификации достаточно мала. 4.3. При необходимости вернуться к шагу 2, изменив способ представления образцов или предварительно «почистив» базу данных. 4.4. Приступить к практическому использованию сети. Для того чтобы сконструировать хороший классификатор, очень важно иметь в своем распоряжении высококачественные данные. Никакой метод построения классификаторов, будь то в области распознавания образов, машинного обучения или многомерной статистики, никогда не выдаст классификатор нужного качества, если имеющийся набор примеров не будет достаточно богатым и представительным для той популяции, с которой придется работать в данной модели. 2.1.5. Пример: ирисы Фишера Рассмотрим задачу Фишера об ирисах распознавания образов, которую часто берут за образец при проверке методов классификации, вкратце перечислим результаты, полученные при помощи классических подходов, а затем сравним их с тем, что дают нейронные сети.
|