Parametrik va metrik usullar o'rtasidagi ma'lum bir kelishuv tasniflash muammolarini hal qilish uchun neyron tarmoqlardan foydalanish hisoblanadi

Parametrik va metrik usullar o'rtasidagi ma'lum bir kelishuv tasniflash muammolarini hal qilish uchun neyron tarmoqlardan foydalanish hisoblanadi . Neyron tarmoqlar parametrik bo'lmagan modellar bo'lib, ular ma'lumotlarning ehtimollik taqsimoti haqida taxminlarni talab qilmaydi, lekin masofaviy o'lchovlardan foydalanmaydi. Bu ularni universal klassifikatorga aylantirib, parametrik va metrik tasniflagichlar maqbul yechimni ta'minlamagan hollarda ham natijalarni olish imkonini beradi.
ma'lumotlarni qazib olishning eng muhim vazifalaridan biridir . U tasniflagichlar deb ataladigan analitik modellar yordamida hal qilinadi. Tasniflash talabi uni amalga oshirish algoritmlari va usullarining nisbatan soddaligi va boshqa ma'lumotlarni tahlil qilish texnologiyalari bilan solishtirganda natijalarning yuqori talqin qilinishi bilan bog'liq.
logistik regressiya , diskriminant tahlili ) va mashinani o'rganish usullari ( neyron tarmoqlar , qarorlar daraxtlari , k-eng yaqin qo'shnilar , qo'llab-quvvatlovchi vektor mashinalari va boshqalar ) qurilishi uchun juda ko'p turli xil tasniflagichlar ishlab chiqilgan. .).
Ma'lumotlarni tahlil qilishda ko'p sonli turli xil tasniflash usullaridan foydalanish zarurati, uning yordami bilan hal qilinadigan muammolar, masalan, sinflar soniga bog'liq bo'lgan o'ziga xos xususiyatlarga ega bo'lishi mumkinligi bilan bog'liq ( ikkilik tasniflash yoki bir nechta sinflar) yoki boshlang'ich ma'lumotlarning taqdimotiga - ularning hajmi, o'lchami va sifati , bu tegishli tasniflagichni tanlashni talab qiladi. Shuning uchun echilayotgan tahlil masalasining xususiyatlariga mos keladigan klassifikatorni tanlash to'g'ri yechimni olishda muhim omil hisoblanadi.
Har xil turdagi tasniflagichlar o'zlarining afzalliklari va kamchiliklariga ega. Shunday qilib, statistik usullardan foydalanadigan klassifikatorlar yaxshi matematik asoslilikka ega, lekin ulardan foydalanish qiyin va boshlang'ich ma'lumotlarning ehtimollik taqsimoti va uning parametrlarini baholashni bilishni talab qiladi (shuning uchun ular parametrik deb ataladi), shuningdek, qat'iy model tuzilishiga ega. Bundan tashqari, statistik usullar faqat ob'ektning sinfga tegishli bo'lish ehtimolini baholaydi, lekin nima uchun ekanligini "tushuntirmaydi".
Mashinani o'rganishga asoslangan klassifikatorlar boshlang'ich ma'lumotlarning taqsimot parametrlarini baholashni talab qilmaydi va ulardagi o'xshashlik o'lchovi masofaviy funksiya yordamida rasmiylashtiriladi (odatda Evklid ). Bunday tasniflagichlar metrik deb ataladi. Qoida tariqasida, ularni amalga oshirish va ishlatish parametriklarga qaraganda osonroq va ularning natijalarini sharhlash va tushunish osonroq. Ammo shu bilan birga, metrik klassifikatorlar evristik modellardir - ular faqat cheklangan miqdordagi amaliy ahamiyatga ega bo'lgan holatlarda echimni ta'minlaydi, ular noto'g'ri yoki bitta yechimni berishi mumkin. Shuning uchun ularning natijalarini ma'lum darajada ehtiyotkorlik bilan ishlatish kerak.
Parametrik va metrik usullar o'rtasidagi ma'lum bir kelishuv tasniflash muammolarini hal qilish uchun neyron tarmoqlardan (NN) foydalanish hisoblanadi . Haqiqatan ham, NN parametrik bo'lmagan modellar bo'lib, ular ma'lumotlarning ehtimollik taqsimoti haqida taxminlarni talab qilmaydi, lekin ayni paytda ular masofaviy o'lchovlardan foydalanmaydi. Bu ularni universal klassifikatorga aylantirib, parametrik va metrik tasniflagichlar maqbul yechimni ta'minlamagan hollarda ham natijalarni olish imkonini beradi.