Nejbližší klasifikátor těžiště - Nearest centroid classifier - Wikipedia

Rocchio klasifikace

v strojové učení, a nejbližší klasifikátor těžiště nebo nejbližší klasifikátor prototypu je klasifikační model který přiřazuje pozorování štítek třídy tréninkových vzorků, jejichž znamenat (těžiště ) je nejblíže pozorování.

Při aplikaci na klasifikace textu použitím tf * idf vektory reprezentující dokumenty, je nejbližší klasifikátor těžiště známý jako Rocchio klasifikátor kvůli své podobnosti s Rocchioův algoritmus pro relevantní zpětná vazba.^[1]

Rozšířená verze nejbližšího klasifikátoru těžiště našla aplikace v lékařské oblasti, konkrétně klasifikaci nádory.^[2]

Algoritmus

• Procedura školení: dané označené tréninkové vzorky ${ displaystyle textstyle {({ vec {x}} _ {1}, y_ {1}), tečky, ({ vec {x}} _ {n}, y_ {n}) }}$ se štítky třídy ${ displaystyle y_ {i} in mathbf {Y}}$, spočítat centroidy pro jednotlivé třídy ${ displaystyle textstyle { vec { mu _ {l}}} = { frac {1} {| C_ {l} |}} { podmnožina {i in C_ {l}} { sum}} { vec {x}} _ {i}}$ kde ${ displaystyle C_ {l}}$ je sada indexů vzorků patřících do třídy ${ displaystyle l in mathbf {Y}}$.
• Funkce predikce: třída přiřazená k pozorování ${ displaystyle { vec {x}}}$ je ${ displaystyle { hat {y}} = { arg min} _ {l in mathbf {Y}} | { vec { mu}} _ {l} - { vec {x}} |}$.

Viz také

• Clusterová hypotéza
• k- znamená shlukování
• k- algoritmus nejbližšího souseda
• Lineární diskriminační analýza

Reference