Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
2
WSTĘP
Alternatywnympodejściemjesttworzenierozwiązańzłożonychzwielupro-
stychmodelioniskiejskuteczności,jednakłatwychdozbudowania,którychkoń-
coweklasyfikacjesąłączone.Możetopolegaćnapodzialezbioruuczącegona
szeregpodprzestrzenitworzącychpodproblemy.Takimipodejściamisą,między
innymi,bagging,mixtureofexperts,uśrednianie,stacking,bumpingiinne(Hastieetal.,
2001;Bishop,2006).Ważnąichcechąjestpróbapodejściadoczęściowegorozwią-
zaniaproblemubias-variance.
Indywidualnemodelemogąbyćbudowaneniezależnie(poprzezpodziałprze-
strzeniwejściowej)albosekwencyjnie.Sekwencyjnepodejściejestszczególniewy-
dajne,jeślik+1modeluwzględniawynikidziałaniaiskutecznośćpoprzednie-
go,k-tegomodelu,astąd,pośrednio,wszystkichinnychwcześniejzbudowanych.
Budowanymodelskupiasięnarozwiązaniudlatychelementówprzestrzenipro-
blemu,którewcześniejokazałysiętrudnedorozwiązania.Takiepodejścieleży
upodstawboostingu,wktórymbudowanychjestsekwencjasłabych,bardzopro-
stych,modeli.Ichodpowiedniezłożenieokazujesięjużmodelemsilnym.Schapi-
rewykazałrównoważnośćtakiegosłabegonauczaniaznauczaniemsilnym(Scha-
pire,1990).ZmodeluSchapire’apochodzi,międzyinnymi,modelAdaBoost.
ModeletypuAdaBoost(odang.AdaptiveBoosting)dzieląwejściowąprze-
strzeńatrybutów.Robiątowsposóbmiękkiprzezustanowienierozkładuprawdo-
podobieństwalosowaniaprzykładówwtrakcienauczania.Dziękitemuniektóre
zmodeliskładowychuwzględniająwwiększymstopniupewneczęściprzestrze-
niwejściowej(przestrzeniproblemu),inneskupiająsięnaczęściach,dlaktórychte
pierwszedająsłabszewyniki.Oznaczatopodziałprzestrzeniwejściowejproblemu.
Takiepodejściepozwalanasukcesywnepoprawianierozwiązania(końcowejhipo-
tezy)poprzezdodawanienowych,prostych,klasyfikatorówiodpowiednieuśred-
nianiewyniku.
Wtejpracyproponowanyjestmodel,wktórymdzielonajestnieprzestrzeń
wejściowa,leczprzestrzeńwyjściowaklas.Podziałpoleganawyróżnieniugrup
klas,którewnaturalnysposóbtworząpodproblemy,anastępnierozwiązywanie
tychpodproblemówzosobna.Podejścietobierzeswójpoczątekzobserwacji,że
dlazbioruuczącego,wktórymprzykładyróżnychklasniesązrównoważone,
proste(słabe)klasyfikatorywykazująnaturalnąskłonnośćdogrupowaniawyni-
kówwokółklasprzeważającychwzbiorze(Podolak,2008;Podolak,Roman,2012).
Wynikatozfaktu,żeniektóreklasysąbardziejdosiebiepodobne,astądmode-
legenerująpodobnewzorceaktywacji.Stądrozróżnienie,awięciprawidłowa
klasyfikacja,przykładówzklaspodobnychdosiebiebędzietrudniejszaniżkla-
syfikacjaprzykładówzklasróżniącychsię.
Pozaklasyfikacją,możliwejesttakżezastosowaniepodejściaHCOCwpro-
blemachaproksymacji,cozostałopokazanewpracy(Brodowski,Podolak,2011).
Wtejpracyskupimysięjednaknadsamymaspektemklasyfikacji.
