Вам бонус- начислено 1 монета за дневную активность. Сейчас у вас 1 монета

Метод ближайших соседей для статического распознавания образов кратко

Лекция



Привет, Вы узнаете о том , что такое метод ближайших соседей для статического распознавания образов, Разберем основные их виды и особенности использования. Еще будет много подробных примеров и описаний. Для того чтобы лучше понимать что такое метод ближайших соседей для статического распознавания образов , настоятельно рекомендую прочитать все из категории Распознавание образов.

Метод ближайших соседей — это простейший метрический классификатор, основанный на оценивании сходства объектов. Классифицируемый объект относится к тому классу, которому принадлежат ближайшие к нему объекты обучающей выборки. Анализ ближайшего сходства представляет собой метод классификации наблюдений на основе сходства наблюдений. Этот метод машинного обучения был разработан в качестве способа распознавания структуры данных при неточном соответствии имеющих структур или наблюдений. Подобные наблюдения близки друг к другу, а непохожие наблюдения, наоборот, удалены друг от друга. Таким образом, дистанция между двумя наблюдениями является критерием их различия. Близкие друг к другу наблюдения называются “соседи”. Когда представляется новое наблюдение, обозначенное знаком вопроса, вычисляется его расстояние от всех других наблюдений в модели. Определяется классификация наиболее похожих наблюдений (ближайшее сходство) и новое наблюдение помещается в категорию, в которой содержится наибольшее количество ближайшего сходства.Пользователь может указать количество анализируемых ближайших соседей; это значение обозначается k. Анализ ближайшего сходства также может использоваться для вычисления значений для непрерывного целевого объекта. В этой ситуации среднее целевое значение ближайшего сходства используется для получения предсказанного значения для нового наблюдения.

При статичекском распознаваниии образов идея состоит в том, что вокруг распознаваемого объекта Метод  ближайших соседей для статического распознавания образов строится ячейка объема Метод  ближайших соседей для статического распознавания образов. При этом неизвестный объект относится к тому образу, число обучающих представителей которого в построенной ячейке оказалось большинство. Если использовать статистическую терминологию, то число объектов образа Метод  ближайших соседей для статического распознавания образов, попавших в данную ячейку, характеризует оценку усредненной по объему Метод  ближайших соседей для статического распознавания образов плотности вероятностиМетод  ближайших соседей для статического распознавания образов.

Для оценки усредненных Метод  ближайших соседей для статического распознавания образов нужно решить вопрос о соотношении между объемом Метод  ближайших соседей для статического распознавания образов ячейки и количеством попавших в эту ячейку объектов того или иного класса (образа). Вполне разумно считать, что чем меньше Метод  ближайших соседей для статического распознавания образов, тем более тонко будет охарактеризованаМетод  ближайших соседей для статического распознавания образов. Но при этом тем меньше объектов попадет в интересующую нас ячейку, а следовательно, тем меньше достоверность оценкиМетод  ближайших соседей для статического распознавания образов. При чрезмерном увеличении Метод  ближайших соседей для статического распознавания образов возрастает достоверность оценкиМетод  ближайших соседей для статического распознавания образов, но теряются тонкости ее описания из-за усреднения по слишком большому объему, что может привести к негативным последствиям (увеличению вероятности ошибок распознавания). Об этом говорит сайт https://intellect.icu . При небольшом объеме обучающей выборки Метод  ближайших соседей для статического распознавания образов целесообразно брать предельно большим, но обеспечить при этом, чтобы внутри ячейки плотности Метод  ближайших соседей для статического распознавания образов мало изменялись. Тогда их усреднение по большому объему не очень опасно. Таким образом, вполне может случиться, что объем ячейки, уместный для одного значения Метод  ближайших соседей для статического распознавания образов, может совершенно не годиться для других случаев.

Предлагается следующий порядок действий (пока что принадлежность объекта тому или иному образу учитывать не будем).

Для того чтобы оценить Метод  ближайших соседей для статического распознавания образов на основании обучающей выборки, содержащей Метод  ближайших соседей для статического распознавания образов объектов, центрируем ячейку вокруг Метод  ближайших соседей для статического распознавания образов и увеличиваем ее объем до тех пор, пока она не вместит Метод  ближайших соседей для статического распознавания образов объектов, где Метод  ближайших соседей для статического распознавания образов есть некоторая функция от Метод  ближайших соседей для статического распознавания образов. Эти Метод  ближайших соседей для статического распознавания образов объектов будут ближайшими соседями Метод  ближайших соседей для статического распознавания образов. Вероятность Метод  ближайших соседей для статического распознавания образов попадания вектора Метод  ближайших соседей для статического распознавания образов в область Метод  ближайших соседей для статического распознавания образов определяется выражением Метод  ближайших соседей для статического распознавания образов.

Это сглаженный (усредненный) вариант плотности распределения Метод  ближайших соседей для статического распознавания образов. Если взять выборку из Метод  ближайших соседей для статического распознавания образов объектов (простым случайным выбором из генеральной совокупности), то Метод  ближайших соседей для статического распознавания образов из них окажется внутри области Метод  ближайших соседей для статического распознавания образов. Вероятность попадания Метод  ближайших соседей для статического распознавания образов из Метод  ближайших соседей для статического распознавания образов объектов в Метод  ближайших соседей для статического распознавания образов описывается биномиальным законом, имеющим резко выраженный максимум около среднего значения Метод  ближайших соседей для статического распознавания образов. При этом Метод  ближайших соседей для статического распознавания образов является неплохой оценкой для Метод  ближайших соседей для статического распознавания образов.

Если теперь допустить, что Метод  ближайших соседей для статического распознавания образов настолько мала, что Метод  ближайших соседей для статического распознавания образов внутри нее меняется незначительно, то

Метод  ближайших соседей для статического распознавания образов ,

где Метод  ближайших соседей для статического распознавания образов – объем области Метод  ближайших соседей для статического распознавания образов, Метод  ближайших соседей для статического распознавания образов – точка внутри Метод  ближайших соседей для статического распознавания образов.

Тогда Метод  ближайших соседей для статического распознавания образов. Но Метод  ближайших соседей для статического распознавания образов, следовательно, Метод  ближайших соседей для статического распознавания образов.

Итак, оценкой Метод  ближайших соседей для статического распознавания образов плотности Метод  ближайших соседей для статического распознавания образов является величина

Метод  ближайших соседей для статического распознавания образов. (*)

Без доказательства приведем утверждение, что условия

Метод  ближайших соседей для статического распознавания образов и Метод  ближайших соседей для статического распознавания образов (**)

являются необходимыми и достаточными для сходимости Метод  ближайших соседей для статического распознавания образов к Метод  ближайших соседей для статического распознавания образов по вероятности во всех точках, где плотность Метод  ближайших соседей для статического распознавания образов непрерывна.

Этому условию удовлетворяет, например, Метод  ближайших соседей для статического распознавания образов.

Теперь будем учитывать принадлежность объектов к тому или иному образу и попытаемся оценить апостериорные вероятности образов Метод  ближайших соседей для статического распознавания образов

Предположим, что мы размещаем ячейку объема Метод  ближайших соседей для статического распознавания образов вокруг Метод  ближайших соседей для статического распознавания образов и захватываем выборку с количеством объектов Метод  ближайших соседей для статического распознавания образов, Метод  ближайших соседей для статического распознавания образов из которых принадлежат образу Метод  ближайших соседей для статического распознавания образов. Тогда в соответствии с формулой Метод  ближайших соседей для статического распознавания образов оценкой совместной вероятности Метод  ближайших соседей для статического распознавания образов будет величина

Метод  ближайших соседей для статического распознавания образов,

а

Метод  ближайших соседей для статического распознавания образов.

Таким образом, апостериорная вероятность Метод  ближайших соседей для статического распознавания образов оценивается как доля выборки в ячейке, относящаяся к Метод  ближайших соседей для статического распознавания образов. Чтобы свести уровень ошибки к минимуму, нужно объект с координатами Метод  ближайших соседей для статического распознавания образов отнести к классу (образу), количество объектов обучающей выборки которого в ячейке максимально. При Метод  ближайших соседей для статического распознавания образов такое правило является байесовским, то есть обеспечивает теоретический минимум вероятности ошибок распознавания (разумеется, при этом должны выполняться условия Метод  ближайших соседей для статического распознавания образов).

Вау!! 😲 Ты еще не читал? Это зря!

Представленные результаты и исследования подтверждают, что применение искусственного интеллекта в области метод ближайших соседей для статического распознавания образов имеет потенциал для революции в различных связанных с данной темой сферах. Надеюсь, что теперь ты понял что такое метод ближайших соседей для статического распознавания образов и для чего все это нужно, а если не понял, или есть замечания, то не стесняйся, пиши или спрашивай в комментариях, с удовольствием отвечу. Для того чтобы глубже понять настоятельно рекомендую изучить всю информацию из категории Распознавание образов

Из статьи мы узнали кратко, но содержательно про метод ближайших соседей для статического распознавания образов
создано: 2017-04-09
обновлено: 2024-11-14
86



Рейтиг 9 of 10. count vote: 2
Вы довольны ?:


Поделиться:

Найди готовое или заработай

С нашими удобными сервисами без комиссии*

Как это работает? | Узнать цену?

Найти исполнителя
$0 / весь год.
  • У вас есть задание, но нет времени его делать
  • Вы хотите найти профессионала для выплнения задания
  • Возможно примерение функции гаранта на сделку
  • Приорететная поддержка
  • идеально подходит для студентов, у которых нет времени для решения заданий
Готовое решение
$0 / весь год.
  • Вы можите продать(исполнителем) или купить(заказчиком) готовое решение
  • Вам предоставят готовое решение
  • Будет предоставлено в минимальные сроки т.к. задание уже готовое
  • Вы получите базовую гарантию 8 дней
  • Вы можете заработать на материалах
  • подходит как для студентов так и для преподавателей
Я исполнитель
$0 / весь год.
  • Вы профессионал своего дела
  • У вас есть опыт и желание зарабатывать
  • Вы хотите помочь в решении задач или написании работ
  • Возможно примерение функции гаранта на сделку
  • подходит для опытных студентов так и для преподавателей

Комментарии


Оставить комментарий
Если у вас есть какое-либо предложение, идея, благодарность или комментарий, не стесняйтесь писать. Мы очень ценим отзывы и рады услышать ваше мнение.
To reply

Распознавание образов

Термины: Распознавание образов