Регуляризаторы по наборам обобщенных оценок
Предложен новый метод формирования ансамблей алгоритмов распознавания на основе технологии стекинга с использованием регуляризаторов для повышения обобщающей способности моделей. Основное внимание уделено предотвращению переобучения за счет мажорирующих функций, корректирующих отступы объектов...
| Published in: | Вестник Томского государственного университета. Управление, вычислительная техника и информатика № 73. С. 90-99 |
|---|---|
| Main Author: | |
| Format: | Article |
| Language: | Russian |
| Subjects: | |
| Online Access: | https://vital.lib.tsu.ru/vital/access/manager/Repository/koha:001274438 Перейти в каталог НБ ТГУ |
| Summary: | Предложен новый метод формирования ансамблей алгоритмов распознавания на основе технологии стекинга с использованием регуляризаторов для повышения обобщающей способности моделей. Основное внимание уделено предотвращению переобучения за счет мажорирующих функций, корректирующих отступы объектов от границы между классами. Исследованы условия корректного разделения объектов при обучении базовых алгоритмов и метаалгоритма. Предложен иерархический агломеративный алгоритм группировки признаков, формирующий латентные признаки с учетом внутриклассового сходства и межклассового различия. Показано, что регуляризация отступов и преобразование количественных признаков в номинальные повышают точность распознавания. Установлено, что выбор параметров мажорирующих функций минимизирует расхождение по точности между базовыми и метаалгоритмами. |
|---|---|
| Bibliography: | Библиогр.: 11 назв. |
| ISSN: | 1998-8605 |