Тема: КЛАССИФИКАЦИЯ МЕТОДОМ БЛИЖАЙШИХ СОСЕДЕЙ
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
📋 Содержание
- Классы, признаки, решающее правило
- Содержательная формулировка задачи классификации
- Различные постановки задачи классификации
1. Байесовская теория 3
- Априорные вероятности и условные распределения
- Теорема Байеса
2. Обучение с учителем 7
- Обучающее множество
- Оценка параметров условных распределений
- Оценка плотности условных распределений
- Метод ближайших соседей -Эксперименты
3. Моделирование многомерных случайных величин с нормальным законом
распределения 19
- Двумерное нормальное распределение
- Общий случай
4. 0писание программных средств 22
- Исходная информация
- Алгоритм
- Пользовательский интерфейс
- Тестирование программы
Список использованных источников 28
Приложение
📖 Введение
Свойства объектов, используемые для их классификации, называются признаками. Признак - это некоторая количественная характеристика объекта произвольной природы. Совокупность признаков, относящихся к одному объекту, называется вектором признаков. Вектора признаков принимают значения в пространстве признаков. В рамках задачи классификации считается, что каждому объекту ставится в соответствие единственное значение вектора признаков. Классификатором или решающим правилом называется правило отнесения объекта к одному из классов на основании его вектора признаков.
Имеются различные постановки задачи классификации. Если известны априорные вероятности и распределения векторов признаков в каждом классе, то в этом случае можно построить (байесовское) решающее правило с минимальной вероятностью ошибки при классификации. При решении прикладных задач, связанных с классификацией объектов, априорные вероятности и условные распределения классов, описывающие изменчивость признаков, часто отсутствуют. В типичном случае имеется лишь общее представление об исследуемой ситуации и некоторый набор конструктивных выборок, соответствующих конкретным объектам, из числа подлежащих классификации. Задача, следовательно, заключается в том, чтобы найти способ построения классификатора, используя эту информацию. Построение решающего правила по выборке принято называть обучением, а саму выборку - обучающей. В настоящей работе будет предполагаться, что известно количество классов, что имеется набор объектов, для каждого из которых известен номер класса, которому он принадлежит. В связи с этим выборка называется помеченной, а обучение - обучением с учителем. Если разделение объектов обучающей выборки на классы не задается и требуется классифицировать объекты только на основе их сходства друг с другом, то такое обучение называется обучением без учителя.