【问题标题】:What Stochastic Classifiers are available [closed]有哪些随机分类器可用[关闭]
【发布时间】:2014-01-16 00:57:52
【问题描述】:

假设我们有这些输入和输出数据:

1,1 -> 1

1,1 -> 1

1,1 -> 1

1,1 -> 0

1,0 -> 0

0,1 -> 1

0,0 -> 0

是否有任何类型的分类器可以使用上述数据进行训练,当我们将 (1,1) 作为输入时,75% 的时间它给出 1,而 25% 的时间给出 0? (其余情况为 100%,因为他们没有替代方案)。

我只知道玻尔兹曼机(一种随机神经网络)。 Nnet 以外的分类器呢?

【问题讨论】:

  • 我看不懂反对票?如果您不喜欢这个问题,请不要回答它!这是一个合法的问题,它符合 stackoverflow 的规则。
  • SO 是关于编程问题的,这个问题应该在交叉验证时发布。这似乎是投反对票的原因

标签: machine-learning neural-network classification


【解决方案1】:

事实上,任何可以输出类概率的分类器(包括朴素贝叶斯、NN、SVM)都可以这样工作。在大多数情况下,您只需选择最大化条件概率的类

P(c|x)

在你的情况下,只需根据概率分布选择类

c ~ P(c|x)

例如,您使用概率输出训练 SVM,并针对给定的输入x_1 得到它

P(1|x_1) = 0.75; P(0|x_1) = 0.25

然后简单地返回 175% 机会

【讨论】:

  • 确定性与随机性。
  • 经过训练的网络将始终为输入生成相同的类。随机分类器不会
  • 这由您决定,网络或(几乎)任何 ML 模型都不会像您描述的那样“继承”。随机性不是“模型类”的属性,而是您如何使用它。
猜你喜欢
  • 2021-04-04
  • 2011-01-09
  • 1970-01-01
  • 2012-05-15
  • 1970-01-01
  • 2011-06-21
  • 2012-04-23
  • 2013-03-13
相关资源
最近更新 更多