Page 49 - 4196
P. 49
Знайдене на основі вибіркових даних x оптимальне
значення a вектора параметрів дозволяє визначити оці-
нку сумісної щільності
f € xax T .
4.5 Класифікація методами стохастичної апрок-
симації
(класифікація з навчанням)
Методи класифікації, розглянуті до цих пір, базува-
лися на розподілах щільностей , які були відомі
f
x
або будувалися шляхом апроксимації вибіркових даних.
Після цього виконується наступний етап класифікації –
розбиття вибіркового простору на класи, виходячи з того
чи іншого правила (байесівське, мінімаксне, Неймана–
Пірсона тощо).
Можна спробувати знайти роздільну поверхню, ми-
x
f
нувши етап побудови . При цьому належність ко-
жного спостереження певному класу може бути відомою
або невідомою. В першому випадку говорять про кла-
сифікацію з навчанням, в іншому – самонавчанням.
Універсальна схема навчання ґрунтується на мето-
дах стохастичної апроксимації.
Спочатку розглянемо загальну ідею алгоритму на-
вчання. Припустимо, що необхідно знайти min ) a ( J .
Розв’язок отримаємо з необхідної умови мінімуму
) a ( J ) a ( J 0, (4.29)
a
де J ) a ( grad a ) a ( J ) a ( J a 1 ,..., ) a ( J a - градієнт
n
функціонала (J ) a по a . Замінимо рівняння (4.29) еквіва-
лентним
a a A J a a , (4.30)
49