Коэффициент разнообразия

Материал из MachineLearning.

(Различия между версиями)

Версия 00:35, 12 ноября 2009

Коэффициент разнообразия семейства алгоритмов

Пусть $X$ и $Y$ - множества произвольной природы. Будем называть $X$ множеством объектов, а $Y$ - множеством ответов. Пусть также задано отображение $y\::\:X \rightarrow Y$ , которое назовем целевой зависимостью. За $X^L$ обозначим L-элементную выборку из $X$ , т.е. подмножество $X$ , мощность которого равна $L$ .

Определение. Карта (вектор) ошибок алгоритма $a\::\:X \rightarrow Y$ на выборке $X^L$ есть отображение $X^L \rightarrow \{0,\,1\}$ , равное единице, если алгоритм ошибается на объекте, и нулю в противном случае:

$\tilde a(x;\,a,X^L) = [a(x) \neq y(x)]$

Определение. Коэффициентом разнообразия семейства алгоритмов $A$ на выборке $X^L$ называется число всевозможных карт ошибок данного семейства на выборке $X^L\:$ :

$\Delta(A, X^L) = \|\{\,\tilde a(a,X^L)\::\:a\in A\,\}\|$

Очевидно, $\Delta(A, X^L) \leq 2^L$ .

См. также

Теория Вапника-Червоненкиса

Источник — «http://www.recognition.su/wiki/index.php?title=%D0%9A%D0%BE%D1%8D%D1%84%D1%84%D0%B8%D1%86%D0%B8%D0%B5%D0%BD%D1%82_%D1%80%D0%B0%D0%B7%D0%BD%D0%BE%D0%BE%D0%B1%D1%80%D0%B0%D0%B7%D0%B8%D1%8F»

Категория: Теория вычислительного обучения

@@ Строка 10: / Строка 10: @@
 Очевидно, <tex>\Delta(A, X^L) \leq 2^L</tex>.
-[[Категория|Учебные материалы]]
+==См. также==
+[[Теория Вапника-Червоненкиса]]
+[[Категория:Теория вычислительного обучения]]

Коэффициент разнообразия

Материал из MachineLearning.

Версия 00:35, 12 ноября 2009

Коэффициент разнообразия семейства алгоритмов

См. также

Просмотры

Личные инструменты

Навигация

Поиск

Инструменты