Я. Гудфеллоу, И. Бенджио, А. Курвилль



Download 14,23 Mb.
Pdf ko'rish
bet170/779
Sana14.06.2022
Hajmi14,23 Mb.
#671946
TuriКнига
1   ...   166   167   168   169   170   171   172   173   ...   779
Bog'liq
Гудфеллоу Я , Бенджио И , Курвилль А Глубокое обучение

μ
(1)
, …, 
μ
(
k
)
}, а затем поочередно выполняются два шага до достижения сходимости. 
На одном шаге каждый обучающий пример относится к 
i
-му кластеру, где 
i
– индекс 
ближайшего центроида 
μ
(
i
)
. На другом шаге каждому центроиду 
μ
(
i
)
присваивается 
значение, равное среднему всех отнесенных к 
i
-му кластеру примеров 
x
(
j
)
.
Одной из проблем является тот факт, что задача кластеризации некорректно по-
ставлена в том смысле, что не существует однозначного критерия, позволяющего су-


138 

 
Основы машинного обучения 
дить, в какой мере найденная кластеризация данных соответствует реальности. Мы 
можем измерить такие свойства кластеризации, как среднее евклидово расстояние от 
центроида кластера до его членов. Это позволит сказать, насколько хорошо можно 
реконструировать обучающие данные по отнесению к кластерам. Но мы не знаем, на-
сколько хорошо отнесение примеров к кластерам отражает свойства реального мира. 
Более того, может существовать несколько разных способов кластеризации, одинако-
во хорошо описывающих реальный мир. Быть может, мы надеялись найти кластери-
зацию, относящуюся к одному признаку, а нашли совсем другую, не менее хорошую 
кластеризацию, не имеющую ни малейшего отношения к нашей задаче. Предполо-
жим, к примеру, что мы выполнили два разных алгоритма кластеризации для на-
бора данных, содержащего изображения красных грузовиков, красных легковушек, 
серых грузовиков и серых легковушек. Если мы попросим каждый алгоритм найти 
два кластера, то один может найти кластер грузовиков и кластер легковушек, а дру-
гой – кластеры красных и серых транспортных средств. Допустим, есть еще и третий 
алгоритм, умеющий сам определять число кластеров. Он может отнести примеры 
к четырем кластерам: красные легковушки, красные грузовики, серые легковушки, 
серые грузовики. Новая кластеризация улавливает оба атрибута, но теряет информа-
цию о сходстве. Красные легковушки не попали ни в кластер серых легковушек, ни 
в кластер серых грузовиков. Результат этого алгоритма ничего не говорит о том, что 
красные легковушки больше похожи на серые легковушки, чем на серые грузовики. 
Они отличаются и от того, и от другого, но это все, что мы знаем.
Эти проблемы иллюстрируют причины, по которым распределенное представле-
ние может оказаться лучше унитарного. В распределенном представлении можно 
было бы хранить два атрибута для каждого транспортного средства: цвет и тип (гру-
зовик или легковушка). По-прежнему не ясно, какое распределенное представление 
оптимально (как алгоритм обучения мог бы узнать, что нас интересует цвет и тип, 
а не, скажем, производитель и возраст машины?), но хранение нескольких атрибутов, 
по крайней мере, позволяет алгоритму не гадать, какой единственный атрибут нас 
интересует, и дает возможность измерять сходство между объектами более детально, 
сравнивая многие атрибуты, а не просто проверяя совпадение одного единственного.

Download 14,23 Mb.

Do'stlaringiz bilan baham:
1   ...   166   167   168   169   170   171   172   173   ...   779




Ma'lumotlar bazasi mualliflik huquqi bilan himoyalangan ©hozir.org 2024
ma'muriyatiga murojaat qiling

kiriting | ro'yxatdan o'tish
    Bosh sahifa
юртда тантана
Боғда битган
Бугун юртда
Эшитганлар жилманглар
Эшитмадим деманглар
битган бодомлар
Yangiariq tumani
qitish marakazi
Raqamli texnologiyalar
ilishida muhokamadan
tasdiqqa tavsiya
tavsiya etilgan
iqtisodiyot kafedrasi
steiermarkischen landesregierung
asarlaringizni yuboring
o'zingizning asarlaringizni
Iltimos faqat
faqat o'zingizning
steierm rkischen
landesregierung fachabteilung
rkischen landesregierung
hamshira loyihasi
loyihasi mavsum
faolyatining oqibatlari
asosiy adabiyotlar
fakulteti ahborot
ahborot havfsizligi
havfsizligi kafedrasi
fanidan bo’yicha
fakulteti iqtisodiyot
boshqaruv fakulteti
chiqarishda boshqaruv
ishlab chiqarishda
iqtisodiyot fakultet
multiservis tarmoqlari
fanidan asosiy
Uzbek fanidan
mavzulari potok
asosidagi multiservis
'aliyyil a'ziym
billahil 'aliyyil
illaa billahil
quvvata illaa
falah' deganida
Kompyuter savodxonligi
bo’yicha mustaqil
'alal falah'
Hayya 'alal
'alas soloh
Hayya 'alas
mavsum boyicha


yuklab olish