Cтраница 3
Главы 8 - 10 посвящены выбору признаков. В главе 8 рассматривается выбор признаков при наличии одного распределения. В случае одного распределения задача классификации не иозникает, а имеется лишь задача представления. Предполагается, что признаки, представительные для каждого отдельного распределения, должны привести к признакам, хорошим с точки зрения классификации этих распределений. Выбор признаков для одного распределения - это такое отображение исходного ге-мер-ного пространства в m - мерное пространство ( тСге), которое не искажает данного распределенпя. Так как задача классификации в явном виде не рассматривается, то нет возможности определить, какие свойства данного распределения должны быть сохранены. [31]
Общие замечания, относящиеся к выбору признаков в лучае одного распределения. [32]
Главы 8 - 10 посвящены выбору признаков. В главе 8 рассматривается выбор признаков при наличии одного распределения. В случае одного распределения задача классификации не иозникает, а имеется лишь задача представления. Предполагается, что признаки, представительные для каждого отдельного распределения, должны привести к признакам, хорошим с точки зрения классификации этих распределений. Выбор признаков для одного распределения - это такое отображение исходного гс-мер-ного пространства в m - мерное пространство ( тСге), которое не искажает данного распределенпя. Так как задача классификации в явном виде не рассматривается, то нет возможности определить, какие свойства данного распределения должны быть сохранены. [33]
Общие замечания, относящиеся к выбору признаков в лучае одного распределения. [34]
Третьим техническим и логическим вопросом является выбор признака, по которому заявки будут разбиты на положительные и отрицательные. [35]
Из сказанного выше видно, что выбор признаков с помощью-линейных преобразований требует значительного количества вычислений для определения собственных значений и собственных векторов. [36]
В заключение следует подчеркнуть, что выбор признаков классификации и распознавания геологических объектов при бурении скважин не может быть однозначным для всех условий и определяется соотношением многих факторов. Этот вывод, кажущийся очевидным после приведенных выше примеров, не находит должного отражения в работах, касающихся использования показателей физико-механических свойств горных пород в технологии бурения. Опубликовано много работ, в которых доказывается или ставится под сомнение корреляция того или иного механического свойства горной породы с тем или иным показателем технологического процесса. Противоречивость объясняется разнообразием геолого-технических условий бурения скважин, субъективностью в оценке значимости различных механических свойств, различием в методиках определения корреляций и обработке результатов исследований. [37]
В итерационных методах весьма важным является выбор признака окончания поиска минимума. [38]
Качество выполненной работы по сортировке при выборе требуемых признаков далеко превосходит возможности меньших. [39]
В главах 8 - 10 рассматривается задача выбора признаков, которая понимается как преобразование ( отображение) исходного пространства в пространство признаков меньшей размерности без потери интересующей нас информации. В главе 10 рассматривается возможность использования для этих же целей нелинейных преобразований. Глава 11 посвящена автоматической классификации, или классификации без учителя. В этом случае объекты классифицируются при минимальной априорной информации об их распределении. [40]
Те же критерии и тс же процедуры выбора признаков, которые использовались для случая двух классов, применимы и в случае многих классов. [41]
В главах 8 - 10 рассматривается задача выбора признаков, которая понимается как преобразование ( отображение) исходного пространства в пространство признаков меньшей размерности без потери интересующей нас информации. В главе 10 рассматривается возможность использования для этих же целей нелинейных преобразований. Глава 11 посвящена автоматической классификации, или классификации без учителя. В этом случае объекты классифицируются при минимальной априорной информации об их распределении. [42]
Те же критерии и тс же процедуры выбора признаков, которые использовались для случая двух классов, применимы и в случае многих классов. [43]
Если эта гипотеза принимается, то алгоритм выбора признаков завершается и считается, что информативные признаки отсутствуют. [44]