Как мы обрабатываем нулевые классы во время тестирования в системе машинного обучения. Если я тренирую свою модель, скажем, 10 классов, а затем я наблюдаю класс, который не принадлежит ни одному из 10 классов, есть ли способ обнаружить это событие? Это необходимо для распознавания активности в режиме скользящего окна, где каждый временной шаг дает один из 10 классов, однако на самом деле есть временные шаги, когда ничего не происходит, и поэтому алгоритм не должен классифицироваться.Null Classes in Machine Learning
ответ
Это было бы то, что называется outlier или обнаружение новизны. Некоторая базовая информация here. Сначала вы должны использовать алгоритм обнаружения вылета (где все 10 классов являются вашими инфильтратами), чтобы фильтровать новые классы, которые вы ранее не видели. Затем, если он проходит детектор выбросов, вы подаете его в свой классификатор. На этапе выброса будут какие-то ложные срабатывания/негативы, которые будут влиять на то, какую долю данных вы классифицируете правильно.
Однако на самом деле есть временные шаги, при которых ничего не происходит, и поэтому алгоритм не должен классифицироваться.
Возможно, тогда то, что вы действительно должны рассмотреть, - это 11-й класс «никакой активности». Если его реальные данные происходят регулярно, вы должны рассматривать их как таковые.
- 1. Machine Learning in C# для прогнозов
- 2. Azure Machine Learning - python
- 3. Python Machine Learning Warning
- 4. Asp.net Azure machine learning
- 5. Python - Regex «Machine Learning»
- 6. Perl Machine Learning
- 7. Basic machine learning
- 8. Automating Azure Machine Learning
- 9. Machine Learning udacity
- 10. Matlab - Machine Learning?
- 11. Azure Machine Learning - CORS
- 12. Scala machine learning toolbox
- 13. Machine Learning - алгоритм классификации
- 14. Machine Learning - начало работы
- 15. AWS Machine Learning issue
- 16. Пакеты R Azure Machine Learning
- 17. AWS Machine Learning - Django шаблон
- 18. iOS Amazon Machine Learning Swift
- 19. Machine Learning обнаружение случайной строки
- 20. Weka Machine Learning Package - SVM
- 21. Azure Machine Learning - Сериализация ошибка
- 22. Azure Machine Learning Data Transformation
- 23. Azure machine learning repeat string
- 24. Machine Learning Text Классификация техники
- 25. Случайный выбор Machine Learning code в Python
- 26. Machine Learning - Stratified K-Fold CV
- 27. Python реализация градиентного спуска (Machine Learning)
- 28. Плохой запрос ответа от Azure Machine Learning
- 29. Parallel * применяется в Azure Machine Learning Studio,
- 30. Puppet Learning VM: Manifests and Classes (Ruby)