Bluemo's Brain

Search

次元の呪い

Last updated Unknown Edit Source

パターン認識

特徴量

特徴量

パターン認識表現法によって、の次元やパターンの分布も変化 ex: 画像を全ピクセルのベクトルではなく、色合いのヒストグラムを特徴にする ...

1/3/2023

を増やしていくと、クラスを分ける線を引く事自体は容易になる
- ただ、容易になっているのは分割線のパターンが次元が増えるほど増えていくから
- その多くのパターンのうち多くは、未知のデーターには対応できない
なので、実際にテストデータで試したときの結果は、次元を増やしすぎると下がっていく
過学習

過学習

from 機械は、パラメータを訓練する時間を与えれば与えるほど複雑なモデルを考えようとするそれをやめたいそういう意味では、結果に対してはと同じ話をしている逆に、人間はそういうことはなさそうことへのモチベを持っているからかな ...

1/3/2023

みたいなことが次元数でも起きる
- 現象自体にあんまり共通点はない? #機械学習

Backlinks

パターン認識

パターン認識

パターン認識入力を元にを認識して出力人間はにやってる（大体の系はそうかな）ある意味、人間生活の全てはパターン認識と言える入力が、あらかじめ用意したの集合のどれに当たるかを判別タスクと同義と言う認識で正しい? パターン認識はの応用分野という位置付け? (内田先生のスライドより) パターン認識のむずかしさ (=面白さ) 人間の認知とか哲学的なところに関わってくるとは何か何に注目するのか (に近い) 画像の場合 #画像処理 #ディジタル画像処理二つのアプローチした画像ので、特徴抽出した画像でして...

1/3/2023
最近傍法

最近傍法

 #機械学習入力から一番近いデータ（「辞書パターン」）のに識別非常にシンプル考える事どのようなを用いるかクラスが異なると大きく違うのが嬉しいクラスが同じならあまり変化がないのが嬉しい次元数が高すぎると、かえって性能劣化することも（「」）（上二つは、相反することも多い）どのように距離を測るか , (一般化して $L_p$ 距離) ベクトルの特定の方向に重みを持たせたり（ex: 二次元ベクトルの縦方向だけ倍にするとか）等方的距離でいいのか? 極論を言えば、パターン認識はパターン間の距離の学問距離はいろいろな（ほぼ無限の）定義ができるをどう準備するか各クラスの重心点のみ? 境界部の点のみ? 全部のデーターを使う? (効率に問題あり) 亜種 ...

1/3/2023