Влияние размера обучающей выборки на обобщающую способность метрических алгоритмов классификации

• Date: 2009
• Main Authors: Капустий, Б.Е., Таянов, В.А.
• Format: Article
• Language: Russian
• Published: Інститут проблем штучного інтелекту МОН України та НАН України 2009
• Subjects: Обучающие и экспертные системы
• Online Access: https://nasplib.isofts.kiev.ua/handle/123456789/8197
• Journal Title: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Cite this: Влияние размера обучающей выборки на обобщающую способность метрических алгоритмов классификации / Капустий Б.Е., Таянов В.А. // Штучний інтелект. — 2009. — № 4. — С. 349-359. — Бібліогр.: 10 назв. — рос.

В работе предлагается поход, обеспечивающий оценку влияния уменьшения размера классов базы данных на уровень распознавания в случае использования kNN метрических классификаторов, а также дает возможность определения по данной выборке оптимального значения k. Проведено симулятивное моделирование результатов влияния уменьшения обучающей выборки на результаты распознавания. Полученные результаты могут быть использованы для дальнейшего формирования обучающей выборки и её коррекции. В роботі пропонується підхід, який забезпечує оцінку впливу зменшення розміру класів бази даних на рівень розпізнавання при застосуванні kNN метричних класифікаторів, а також дає можливість визначення на даній вибірці оптимального значення k. Проведене симулятивне моделювання результатів впливу зменшення навчаючої вибірки на результати розпізнавання. Отриманні результати можуть бути використані для подальшого формування навчаючої вибірки та її корекції. In this paper the approach giving the estimate of the class size reduction influence on the recognition rate for the kNN classifiers has been proposed. The approach also gives the possibility to estimate the optimal k value of the nearest neighbours. The simulative modeling of the training set reduction influence on the recognition process results has been carried out. The obtained results can be used for the training set formation and its correction.