В этой статье описывается классификатор на основе математической модели, которая носит название сеть радиальных базисных функций (RBF).
Сеть радиальных базисных функций, RBF или гауссова смесь это один из вариантов байесовского классификатора.
| (1) |
где y ∈ Y - номер класса, λy – потеря при ошибочной классификации для класса y, Py – априорная вероятность класса y (определяется долей объектов xy класса y в общем наборе X), py(x) – плотность распределения xy из класса y.
Здесь плотность распределения py(x) определяется как смесь многомерный нормальных (гауссовских) плотностей.
где k - количество компонент смеси, wj - весовой коэффициент (априорная вероятность компоненты), φ(x; 𝜃j) - нормальная плотность.
здесь μ - мат.ожидание (центр) X, Σ матрица ковариаций X .
RBF можно представить в виде нейронной сети (рис.1).
Рассмотрим набор однотипных учебных множеств
В этом разделе мы рассмотрим реализации классификатора на основе RBF для точек на плоскости (n = 2)
На рисунках ниже проиллюстрирована результаты работы RBF-классификатора.
Рис.2: учебный набор | Рис.3: тест |
| |
Рис.4: результат работы RBF |
На рисунках ниже проиллюстрирована работа ЕМ-алгоритма, который восстанавливает смесь плотностей.
| |
Рис.5: результат ЕМ для первого класса | Рис.6: результат ЕМ для второго класса |
| |
Рис.7: результат ЕМ для третьего класса |
[1] Воронцов К.В. Статистические методы классификации – http://shad.yandex.ru/lectures/machine_learning.xml