text stringlengths 0 1.95k |
|---|
tå |
/ DD |
0 |
t |
ошибки кросс-проверки (CVer) с разбиением на 10 блоков, также отнесенной к |
девиансу нуль-дерева D0; CVer, как правило, больше, чем RELer; |
° |
стандартного отклонения (SE) для ошибка кросс-проверки. |
Лучшим считается дерево, состоящее из такого количества ветвей t, для которого |
является минимальной сумма (CVer + SE). Для модели, классифицирующей популяции |
полевки по степени удаленности от БЦБК, график изменения относительной ошибки |
кросс-проверки, представленный на рис. 6.13, показывает, что исходное дерево из 13 |
узлов (см. рис. 6.12) является оптимальным и в "обрезании" не нуждается. |
Рис. 6.13. Изменение ошибки распознавания при обучении и кросс-проверке при |
увеличении размеров дерева |
Результаты классификации удобно представлять в виде таблицы сопряженности |
6.4, где по главной диагонали расположено число правильных распознаваний. Отметим |
также, что при кросс-проверке доля ошибочных предсказаний существенно выше (42.4%), |
хотя и значительно меньше вероятности неудачи при случайном угадывании (54.7%). |
Таблица 6.4. Таблица сопряженности результатов распознавания местоположения |
популяций красной полевки |
Факти- |
чески |
1 |
2 |
3 |
Итого |
Предсказано |
2 |
1 |
14 |
2 |
17 |
3 |
30 |
13 |
97 |
140 |
1 |
95 |
11 |
15 |
121 |
Итого |
126 |
38 |
114 |
278 |
Число |
ошибок |
31 |
24 |
17 |
72 |
Доля |
ошибок |
24.60% |
63.16% |
14.91% |
25.90% |
220 |
Принципиально иной подход к построению моделей классификации основан на |
двух относительно новых методах ресамплинга – баггинге (bagging) и бустинге (boosting). |
Они используют старые идеи создания "распознающего коллектива" (Расстригин, |
Эренштейн, 1981), эффективность которого практически всегда оказывается значительно |
выше любого из его членов. Баггинг (аббревиатура от Bootstrap aggregating) на основе |
одно и того же метода обучения выполняет селекцию достаточно большого подмножества |
моделей, полученных с использованием бутстрепа исходной выборки, которые |
взвешиваются по уровню их эффективности и используются для экзамена с |
использованием голосования. Бустинг, как и баггинг, является подходом, основанным на |
коллективном распознавании, однако, вместо простого усреднения результатов, реализует |
итеративную процедуру, напоминающую градиентные алгоритмы. При этом многократно |
создаются |
адаптивно |
подстраиваемыми на каждом шаге таким образом, чтобы попытаться в максимальной |
мере учесть мнение "слабых" членов коллектива, склонных на предыдущих шагах к |
ошибочным прогнозам. |
версии обучающихся |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.