4446
правок
Обучение, эффективное с точки зрения атрибутов: различия между версиями
Материал из WEGA
Обучение, эффективное с точки зрения атрибутов (посмотреть исходный код)
Версия от 00:14, 12 сентября 2020
, 12 сентября 2020→Основные результаты
Irina (обсуждение | вклад) |
Irina (обсуждение | вклад) |
||
| Строка 12: | Строка 12: | ||
==Основные результаты == | ==Основные результаты == | ||
Основная часть нынешнего алгоритма обучения, эффективного с точки зрения атрибутов, основывается на алгоритме Литтлстоуна Winnow [9]. | Основная часть нынешнего алгоритма обучения, эффективного с точки зрения атрибутов, основывается на алгоритме Литтлстоуна – Winnow [9]. | ||
Базовая версия алгоритма Winnow поддерживает вектор весов | Базовая версия алгоритма Winnow поддерживает вектор весов <math>w_t = (w_{t, 1}, ..., w_{t, n}) \in \mathbb{R}^n</math>. Прогноз для входных данных <math>x_t \in \{ 0, 1 \}^n</math> задается формулой <math>\hat{y}_t = sign \bigg( \sum_{i = 1}^n w_{t, i} \; x_{t, i} - \theta \bigg),</math> где <math>\theta</math> – параметр алгоритма. Изначально <math>w_1 = (1, ..., 1)</math>; после попытки t каждый компонент вектора <math>w_{t, i}</math> обновляется согласно правилу | ||
<math>w_{t + 1, i} = | |||
\begin{cases} | |||
\alpha w_{t, i}, esli y_t = 1, \hat{y}_t = 0, x_{t, i} = 1 \\ | |||
w_{t, i} / \alpha, esli y_t = 0, \hat{y}_t = 1, x_{t, i} = 1 \\ | |||
w_{t, i} v protivnom sluchae | |||
\end{cases}</math> | |||
где <math>\alpha > 1</math> – параметр скорости обучения. | |||
где | |||
