Решающие правила

Cтраница 1

Схема классификатора образов для двух классов. [1]

Решающие правила остаются эквивалентными независимо от разнообразия этих форм записи разделяющих функций. Если оказывается, что gi ( ii) g ] ( i) для всех / Vt, то считаем, что х находится в области eft; и, согласно решающему правилу, со значением х следует сопоставить состояние cof. [2]

Решающие правила представляют собой правила перехода от измерений к ранжированию альтернатив, их классификации, выбору наилучшей из них. [3]

Решающие правила представляют собой инструкции, конкретизирующие оптимальный план, как только становятся известными реализации случайных исходных данных задачи. Построение решающих правил предполагает, таким образом, возможность наблюдения реализации параметров условий и конкретизации плана. [4]

Известные решающие правила ( критерии выбора решения) устанавливают для задач принятия решения при неопределенности полный порядок предпочтения возможных действий или выделяют оптимальное подмножество действий. [5]

Квадратичные решающие правила, как отмечает А. Н. Бугаец, называются полезными в тех случаях, когда число классифицируемых совокупностей более двух. [6]

Сравнивая решающие правила (3.23) и (3.18), можно заключить, что критерий Неймана - Пирсона не предлагает новога решающего правила, а основан на критерии отношения правдоподобия, как байесовский критерий. Однако предыдущее рассмотрение показало, что критерий отношения правдоподобия является критерием, минимизирующим вероятность ошибки решения для одного класса. При этом вероятность ошибки для другого класса остается неизменной. [7]

Сравнивая решающие правила (3.23) и (3.18), можно заключить, что критерий Неймана - Пирсона не предлагает нового решающего правила, а основан на критерии отношения правдоподобия, как байесовский критерий. Однако предыдущее рассмотрение показало, что критерий отношения правдоподобия является критерием, минимизирующим вероятность ошибки решения для одного класса. При этом вероятность ошибки для другого класса остается неизменной. [8]

Рассмотрим теперь решающие правила с явной зависимостью решения от ситуации X. [9]

Определенные нами решающие правила таковы, что любой путь в графе переходов процесса может соответствовать некоторому решающему правилу. [10]

Определить все допустимые решающие правила в данной ситуации и найти среди них минимаксное. [11]

FNi Два решающих правила F ( x, a %) и Fix, аг) попадают в один класс эквивалентности, если они одинаково делят выборку (5.17) на две подвыборки. [12]

Но так как решающие правила (3.158) и (3.159) эквивалентны, то любая последовательность наблюдаемых объектов, которая лриводит на некотором шаге к отклонению решающим правилом Т гипотезы со, также приводит на том же шаге к отклонению решающим правилом Т класса соь Поэтому вероятность е ( 0) г определяемая выражением (3.160), также является вероятностью того, что класс MI отклоняется решающим правилом Т, если верна гипотеза со. Так как согласно предположению решающее правило Т должно принять класс coi, если верна гипотеза со, то е ( 6) является вероятностью ошибки. [13]

Деревья решений и решающие правила имеют простую форму представления, что делает такие модели относительно несложными для пользователя. Однако ограничения для представления знаний в виде дерева или решающего правила способны существенно понизить функциональную форму ( а значит и силу) самой модели. Усложнение модели делает ее более эффективной для предсказания, но одновременно может быть и более сложной для понимания пользователем. Деревья и решающие правила используются для предсказательного моделирования, для классификации ( этот подход используется в работах авторов Апта и Хонга, а также Файяда, Дьер-говского и Вэйра) и регрессии, хотя они в равной степени могут применяться для описательного моделирования, как показано в работе Агравала. [14]

Как только все решающие правила хорошо определены и имеют количественные характеристики, данная область деятельности может быть автоматизирована. [15]

Страницы: 1 2 3 4