ıllı Internet y Tecnologías de la Información (2018)

internet, Hosting, dominios, seo, antivirus, banco de imágenes, páginas web, tiendas online

[Enciclopedia Online Gratuita] Diccionario de Internet y Tecnologías de la Información y la Comunicación (TIC):

ıllı Clasificador lineal : que es, definición y significado, descargar videos y fotos.

videos internet

salud  ıllı Clasificador lineal : que es, definición y significado, descargar videos y fotos.  


En el campo del aprendizaje automático, la meta del aprendizaje supervisado es utilizar las peculiaridades de un objeto para identificar a qué clase (o bien conjunto) pertenece. Un clasificador lineal consigue esto tomando una resolución de clasificación basada en el valor de una combinación lineal de sus peculiaridades. Las peculiaridades de un objeto son típicamente presentadas en un vector llamado vector de peculiaridades.


Si la entrada del clasificador es un vector de peculiaridades realesx?undefined, entonces el resultado de salida es

y=f(w?·x?)=f(?jwjxj),undefined

donde w?undefined es un vector real de pesos y f es una función que transforma el producto punto a puntito de los 2 vectores en la salida deseada. El vector de pesos w?undefined aprende de un conjunto de muestras de adiestramiento. De manera frecuente f es una función simple que mapea todos y cada uno de los valores sobre un cierto umbral a la primera clase y el resto a la segunda clase. Una f más compleja puede dar la probabilidad de que una muestra pertenezca a determinada clase.


Para un inconveniente de 2 clases, se puede visualizar la operación de un clasificador lineal como una partición del espacion de alta dimensionalidad de entrada con un hiperplano: todos y cada uno de los puntos a un lado del hiperplano son clasificados como "sí", al tiempo que el resto son clasificados como "no".


Los clasificadores lineales se acostumbran a emplear en situaciones donde la velocidad de la clasificación es esencial, puesto que con frecuencia es el clasificador más veloz, en especial cuando x?undefined es desperdigado. No obstante, los árboles de resolución pueden ser más veloces. Además de esto, los clasificadores lineales con cierta frecuencia marchan realmente bien cuando el número de dimensiones de x?undefined es grande, como en clasificación de documentos, donde típicamente cada elemento en x?undefined es el número de apariciones de una palabra en un documento. En semejantes casos, el clasificador ha de estar bien regulado.

El texto que prosigue es una traducción deficiente.
Si deseas cooperar con Wikipedia, busca el artículo original y mejora esta traducción.Copia y queja el próximo código en la página de discusión del autor: undefined ~~~~

Hay 2 géneros de clases de métodos para determinar los factores de un clasificador lineal w?undefined.?? Métodos de la primera clase conditional density functionsP(x?|class)undefined). Ejemplos de semejantes algoritmos



  • Análisis discriminante lineal (o bien discriminante lineal de Fisher) (Linear Discriminant Analysis, LDA): acepta los modelos gaussianos de densidad condicional.
  • Clasificador Bayes ingenuo: acepta modelos de densidad condicional binomiales independientes.

El segundo conjunto de métodos incluye modelos discriminatorios, que procuran aumentar al máximo la calidad de los resultados de un conjunto de formación. Términos auxiliares en la función de costo de formación pueden de forma fácil efectuar la regularización del modelo final. Ejemplos de adiestramiento discriminatorio de clasificadores lineales incluyen



  • Regresión logística - estimación de la probabilidad máxima de w?undefined asumiendo que el conjunto de adiestramiento observado fue generado por un modelo binomial que depende de la salida del clasificador.
  • Perceptrón: un algoritmo que procura corregir todos y cada uno de los fallos encontrados en el equipo de adiestramiento.
  • Máquina vectorial de soporte (Support vector machine, SVM): un algoritmo que maximiza el margen entre el hiperplano de resolución y los ejemplos del conjunto de adiestramiento.

Nota: Pese a su nombre, LDA no pertenece a la clase de modelos discriminatorios en esta taxonomía. No obstante, su nombre tiene sentido cuando equiparamos LDA con el otro algoritmo primordial de reducción de la dimensionalidad lineal: Análisis de Componentes Primordiales (Primordial Components Analysis, PCA). LDA es un algoritmo de aprendizaje supervisado que usa las etiquetas de los datos, al tiempo que PCA es un algoritmo de aprendizaje no supervisado que ignora las etiquetas. Para resumir, el nombre es un instrumento histórico (ver, ? p.117).


El adiestramiento discriminativo de forma frecuente genera mayor precisión que el modelado de las funciones de densidad condicional. No obstante, el manejo de los datos restantes es con frecuencia más simple con los modelos de densidad condicional.


Todos los algoritmos del clasificador lineal listados arriba pueden ser transformados en algoritmos no lineales operando en un espacio de entrada diferente f(x?)undefined, empleando el truco del kernel (kernel trick).


  ELIGE TU TEMA DE INTERÉS: 


autoayuda.es   Internet y Tecnologias 

Está aquí: Inicio > [ INTERNET ] > ıllı Clasificador lineal : que es, definición y significado, descargar videos y fotos.

Las cookies nos permiten ofrecer nuestros servicios. Al utilizar nuestros servicios, aceptas el uso que hacemos de las cookies. Ver políticas