Jump to content

Винноу (алгоритм)

(Перенаправлено из алгоритма Winnow )

Алгоритм веяния [1] это метод машинного обучения для изучения линейного классификатора на помеченных примерах. Он очень похож на алгоритм перцептрона . Однако алгоритм перцептрона использует аддитивную схему обновления веса, в то время как Winnow использует мультипликативную схему , которая позволяет ему работать намного лучше, когда многие измерения не имеют значения (отсюда и его название winnow ). Это простой алгоритм, который хорошо масштабируется для многомерных данных. Во время обучения Винноу показывают последовательность положительных и отрицательных примеров. решений Из них он изучает гиперплоскость , которую затем можно использовать для обозначения новых примеров как положительных или отрицательных. Алгоритм также можно использовать в условиях онлайн-обучения , где этапы обучения и классификации четко не разделены.

Алгоритм

[ редактировать ]

Базовый алгоритм Winnow1 заключается в следующем. Пространство экземпляра , то есть каждый экземпляр описывается как набор логических функций . Алгоритм поддерживает неотрицательные веса. для , которые изначально установлены в 1, по одному весу для каждой функции. Когда учащемуся дан пример , он применяет типичное правило прогнозирования для линейных классификаторов:

  • Если , то предскажите 1
  • В противном случае прогнозируем 0

Здесь это действительное число, которое называется порогом . Вместе с весами порог определяет разделяющую гиперплоскость в пространстве экземпляров. Хорошие оценки получаются, если (см. ниже).

К каждому представленному примеру учащийся применяет следующее правило обновления:

  • Если пример правильно классифицирован, ничего не делайте.
  • Если пример спрогнозирован неверно и правильный результат равен 0, для каждого признака , соответствующий вес установлен на 0 (шаг понижения).
  • Если пример спрогнозирован неправильно и правильный результат равен 1, для каждого признака , соответствующий вес умноженный на α (шаг продвижения).

Типичное значение α составляет 2.

Существует множество вариаций этого базового подхода. Веять2 [1] аналогичен, за исключением того, что на этапе понижения веса веса делятся на α, а не устанавливаются равными 0. Сбалансированный веялка поддерживает два набора весов и, следовательно, две гиперплоскости. Затем это можно обобщить для классификации по нескольким меткам .

Границы ошибок

[ редактировать ]

В определенных обстоятельствах можно показать, что количество ошибок, которые Винноу делает в процессе обучения, имеет верхнюю границу , независимую от количества случаев, с которыми оно представлено. Если алгоритм Winnow1 использует и на целевой функции, которая является -буквальная монотонная дизъюнкция, определяемая формулой , то для любой последовательности экземпляров общее количество ошибок ограничено: . [2]

  1. ^ Jump up to: а б Ник Литтлстоун (1988). «Быстрое обучение при наличии большого количества нерелевантных атрибутов: новый алгоритм с линейным порогом», Machine Learning 285–318 (2) .
  2. ^ Ник Литтлстоун (1989). «Границы ошибок и логарифмические алгоритмы линейно-порогового обучения».Технический отчет UCSC-CRL-89-11, Калифорнийский университет, Санта-Круз.
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 3ed571e62e43a19fcb1fe36af2a42ac2__1581553920
URL1:https://arc.ask3.ru/arc/aa/3e/c2/3ed571e62e43a19fcb1fe36af2a42ac2.html
Заголовок, (Title) документа по адресу, URL1:
Winnow (algorithm) - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)