|
===================================== 〔語彙分解〕的な部分一致の検索結果は以下の通りです。 ・ 型 : [かた] 【名詞】 1. mold 2. mould 3. model 4. style 5. shape 6. data type ・ 分 : [ぶん, ふん] 1. (n,n-suf,pref) (1) part 2. segment 3. share 4. ration 5. (2) rate 6. (3) degree 7. one's lot 8. one's status 9. relation 10. duty 1 1. kind 12. lot 13. (4) in proportion to 14. just as much as 1 ・ 分類 : [ぶんるい] 1. (n,vs) classification 2. category ・ 器 : [うつわ] 【名詞】 1. (1) bowl 2. vessel 3. container 4. (2) ability 5. capacity 6. calibre 7. caliber
線形分類器()は、特徴の線形結合の値に基づいて分類を行う確率的分類器である。機械学習において、分類は項目群を特徴値に基づいてグループに分類することを目的とする。 == 定義 == 分類器への入力特徴ベクトルが実数ベクトル であるとき、出力のスコアは次のようになる。 : ここで、 は重み付けの実数ベクトル、''f'' は2つのベクトルのドット積を必要な出力に変換する関数である。重み付けベクトル はラベル付き訓練例で学習することで変化していく。''f'' はあるしきい値以上の値を第一クラスに分類し、それ以外を第二クラスに分類するといった単純な関数であることが多い(二項分類)。より複雑な ''f'' としては、ある項目があるクラスに属する確率を与えるものなどがある。 二項分類問題は、高次元の入力空間を超平面で分割する操作として視覚化できる。その超平面の一方の側にある点は分類において "yes" とされた点であり、もう一方の側にある点は "no" とされた点である。 線形分類器は、特に が疎であるとき最も高速な分類器であるため、分類の速度が重要な場合に使われることが多い。ただし、決定木の方が速い場合もある。また、線形分類器は の次元が大きいときにうまく機能する。例えば、文書分類において の各要素は文書における個々の単語の出現回数などになる。そのような場合、線形分類器は正則化されているべきである。 抄文引用元・出典: フリー百科事典『 ウィキペディア(Wikipedia)』 ■ウィキペディアで「線形分類器」の詳細全文を読む スポンサード リンク
|