【问题标题】:is this classification result acceptable?这个分类结果可以接受吗?
【发布时间】:2011-04-24 01:29:15
【问题描述】:

我有一个非常简单的线性分类问题,就是在坐标中为以下三个类算出一个线性分类问题:

第 1 类:点 (0,1) (1,0) 第 2 类:点 (-1,0) (1,0) 第 3 类:点 (0,-1) (1,-1)

我手动使用了随机初始权重 [1 0,0 1](2*2 矩阵)和随机初始偏差 [1,1] 通过对六个样本进行每次迭代,我最终得到了一个分类,即X=-1,Y=-1,所以当x和Y都>-1时,它是class1; 如果 X-1,则为 class2; 如果 x >-1 且 Y

在图上绘制后,我认为它存在一些问题,因为决策边界在 class2 和 class3 中交叉样本,我想知道这是否可以接受。通过观察图,我会说理想的分类是 x =- 1/2 和 y=1/2,但是计算后我真的不能得到那个结果。

请与我分享您的想法,在此先感谢。

【问题讨论】:

    标签: artificial-intelligence machine-learning neural-network


    【解决方案1】:

    结果不可接受。第 2 类和第 3 类是线性可分的,因此您不应接受任何不能完美分类它们的分类器。

    据我所知,通过这些样本和经过反向传播训练的前馈网络,您不太可能获得所需的 x=-1/2 和 y=1/2。为此,您需要一个最大边距分类器。

    我建议您检查 SVM 线性分类器。您可以查看SVMlight for multiclass problems

    【讨论】:

      【解决方案2】:

      我会说结果是可以接受的。除了 (1,0) 处的点被标记为第 2 类并被分类为第 1 类之外,所有点都被正确分类。问题是在 (1,0) 处还有一个点被标记为第 1 类,所以它是无法区分 1 类和 2 类。

      当然,在测试集上进行评估时,该模型很可能很糟糕。如果您希望决策边界在点之间等距放置,则需要查看最大边距分类器。

      【讨论】:

        猜你喜欢
        • 2021-01-06
        • 1970-01-01
        • 1970-01-01
        • 1970-01-01
        • 2021-05-01
        • 1970-01-01
        • 1970-01-01
        • 2017-03-08
        • 1970-01-01
        相关资源
        最近更新 更多