Q&A
図がないようです。
識別関数 f(x)=w1x+w0
識別関数をK(K-1)/2個用意する時はそれぞれの関数が0より大きいか小さいかできめることができます
識別関数は二次元の場合直線で表して上か下かで決めていると思います。
ここで質問です
識別関数をｋ個用意するとき
識別関数値が最大のクラスを識別クラスにするというこです。
図に表しているやつを見ると識別関数はクラスの領域を表しているように見えます。
二次元なら面積です。
しかし識別関数f(x)=x1+x0は二次元の場合直線は表せても領域は表せないと思います。
どういうことなんでしょうか。
したが直線で上が面積です
回答2件
0
ベストアンサー
まず単純な二値分類を考えます。この場合、最終ゴールをあるデータに対して真値と偽値のどちらに該当するのかを確率で表すことで判定できるようにすることと定義します。二値分類の場合、真値の確率と偽値の確率の和は1.0なので、真値の確率が得られれば偽値の確率も得られるので真値の確率を計算することがゴールになります。
二値分類できるためには境界が必要です。仮に境界上にデータがある場合、これは真偽どちらでもない状態です。先ほどの確率表現でいうと真値の確率=0.5ということです。データが真値の領域にあるということは、確率表現でいうと0.6や0.9といった値である必要があります。反対の領域なら0.3や0.2などである必要があります。
まとめると、二値分類は与えられたデータに対して境界からの距離を計算してその結果をあるクラスに属する確率を計算することということになります。
上記を出発点に多クラス分類に拡張します。今クラスが3とすると、クラス1に対して真偽、クラス2に対して真偽、クラス3に対して真偽と分解すると二値分類の拡張で答えを得ることができます。
投稿2020/04/21 10:55
総合スコア3376
0
識別関数をK(K-1)/2個用意する時はそれぞれの関数が0より大きいか小さいかできめることができます
この部分の理解が少し違います。識別モデルの場合、関数の線上をどちらでもない（真値である確率=0.5）としたうえで、この関数から離れ具合を真である（またはない）確率として表現します。二値分類の場合、この確率と0より大きいか小さいかは同じことなのですが、他クラスの場合、そのクラスに属する確率を表すことになるので、この結果をうまく使うことで識別できるようになります。
投稿2020/04/19 09:26
総合スコア3376
回答ありがとうございます。
線形識別関数 f(x)=wx
最小二乗法の場合パラメータは距離が小さくなるようにけっていされると思います。
その時は教師データを０か１にして計算を行います。
計算されたf(x)においてそのｘがクラスなら１に近い値を出してほかのクラスの識別関数は０に近く
なるので最大をとるとクラスが識別できる。という理解はまちがっていますか?
確率の問題をこの問題においてどの部分かわかりません。
この問題において線上は確率(0.5)と理解ができませんでした。
何度もすみません
あなたの回答
tips
プレビュー
