6
Я читал статью на Relational Fisher Kernel, которая включает байесовские логические программы для вычисления оценки Фишера, а затем использует SVM для получения меток классов для каждого элемента данных.Реляционная реализация ядра Fisher
У меня нет сильного фона от машинного обучения. Может кто-нибудь, пожалуйста, дайте мне знать о том, как начать реализацию сквозного ядра Relational Fisher и какой вклад он будет ожидать? Я не мог найти легкий пошаговый поток, показывающий эту реализацию. Я согласен с использованием библиотек для SVM и т. Д. (Например, libsvm), но я хотел бы знать сквозной поток (как можно более легкий язык). Любая помощь будет высоко оценена.
+1 для указания интересной и хорошо написанной бумаги – fairidox
До сих пор я пришел к выводу, что вход будет в клаузальной форме, как в случае логического программирования. Байесовские логические программы (например, такие как Балиос) можно использовать для создания байесовского N/W. Параметры индуцированного n/w приведены в виде условных вероятностных распределений для предложений (полученных с использованием EM в случае Balios). После этого, используя формулу, упомянутую в статье, упомянутой в вопросе, можно вычислить градиент, а затем ядро. Ядро может быть помещено в SVM (например, libsvm), и все готово. Может кто-нибудь, пожалуйста, подтвердите, если я на правильном пути? – Salil
Возможно, вы захотите проверить этот SO-клон для машинного обучения: http://metaoptimize.com/qa – fairidox