最近傍分類器

ベイズ分類器

線形分類器

サポートベクターマシン分類器

ニューラルネットワーク分類器

ランダムフォレスト

アダブースト

0-1 負け

マルチクラスサポートベクターマシンの損失

クロスエントロピー損失

L1ロス

L2ロス

一次法

二次法

データセットのパーティショニング

データの前処理

データ増強

過小適合と過適合

ハイパーパラメータ調整

モデルの統合

入力画像の特徴をカテゴリスコアにマッピングする線形マッピングです。

トレーニングされた平均は、視覚化後のカテゴリに似ています

テンプレートとして考えると、入力画像とテンプレートの重みが大きいほど、類似度が高くなります。

スコアが 0 の線が決定面です

モデルのパフォーマンスとモデル パラメーターの間の架け橋となり、モデル パラメーターの最適化を導きます

は、指定された分類子の予測値と真の値の間の不一致の程度を測定する関数であり、その出力は通常、非負の実数値です。

非負の実数値出力をフィードバック信号として使用して、分類器パラメーターを調整して、現在のインスタンスに対応する損失値を削減し、分類効果を向上させることができます。

マルチクラスサポートベクターマシンの損失

定期

勾配降下法

確率的勾配降下法

ミニバッチ確率的勾配降下法アルゴリズム

クラシック部門

k分割交差検証

平均値を削除する

正規化された

相関関係を解除する

アルビノ