Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Архив2 от преподавателя. / Оценка качества работы к лассификаторов.doc
Скачиваний:
22
Добавлен:
15.09.2014
Размер:
181.76 Кб
Скачать

Заключение

Резюмируя все вышесказанное, алгоритм сравнения классификаторов можно приблизительно сформулировать так:

  1. Выбрать способ разделения на тренировочный и тестовый наборы

  2. Провести испытания для всех классификаторов на общих наборах, вычислить характеристики производительности методов;

  3. Проверить на наличие статистического различия между полученными величинами;

  4. Выбрать классификатора c наилучшими характеристиками;

Выбор оптимального классификатора производится исходя из требований к задаче. Для каждого конкретного случая можно выбирать что важнее - уменьшить уровень ошибок первого или второго родов.

После того, как из набора имеющихся классификаторов был выбран наилучший, перед его использованием для распознавания новых данных имеет смысл провести его тренировку на всем имеющемся наборе исходных данных с известной разметкой по классам.

Литература 

[1]   Vezhnevets V., Sazonov V., Andreeva A., "A Survey on Pixel-Based Skin Color Detection Techniques". Proc. Graphicon-2003, pp. 85-92, Moscow, Russia, September 2003.

[2]   "Метод главных компонент," Цифровая библиотека лаборатории компьютерной графики и мультимедиа ВМиК МГУ, http://library.graphicon.ru/catalog/19.

[3]   "Линейный дискриминантный анализ," Цифровая библиотека лаборатории компьютерной графики и мультимедиа ВМиК МГУ, http://library.graphicon.ru/catalog/184.

[4]   "Факторный анализ," Цифровая библиотека лаборатории компьютерной графики и мультимедиа ВМиК МГУ, http://library.graphicon.ru/catalog/217.

[5]   "Основные статистики и таблицы," Электронный учебник StatSoft, http://www.statsoft.ru/home/textbook/modules/stbasic.html

[6]   "Статистические методы исследования в медицине и здравоохранении," / Под ред. Л.Е. Полякова - Л.: Медицина, 1971.

[7]   Mitchell, Tom. M. 1997. "Machine Learning," New York: McGraw-Hill.

[8]   Witten, Ian H., and Eibe Frank. 2000. "Data Mining: Practical Machine Learing Tools and Techniques with Java Implementations," San Diego, CA: Morgan Kaufmann.

Дополнительная информация

Ссылка: 

Владимир Вежневец. Оценка качества работы классификаторов. Компьютерная графика и мультимедиа. Выпуск №4(1)/2006. http://cgm.computergraphics.ru/content/view/106

Выпуск: 

Выпуск №4(1)/2006