|
Эта публикация цитируется в 2 научных статьях (всего в 2 статьях)
МАТЕМАТИЧЕСКИЕ ОСНОВЫ И ЧИСЛЕННЫЕ МЕТОДЫ МОДЕЛИРОВАНИЯ
Обучение и оценка обобщающей способности методов интерполяции
Ю. Н. Бахвалов, И. В. Копылов ООО «Малленом системс», Россия, 162610, г. Череповец, ул. Металлургов, д. 21б
Аннотация:
В данной статье исследуются методы машинного обучения с определенным видом решающего правила. К ним относятся интерполяция по методу обратно взвешенных расстояний, метод интерполяции радиальными базисными функциями, метод многомерной интерполяции и аппроксимации на основе теории случайных функций, кригинг. Показано, что для данных методов существует способ быстрого переобучения «модели» при добавлении новых данных к существующим. Под «моделью» понимается построенная по обучающим данным интерполирующая или аппроксимирующая функция. Данный подход позволяет уменьшить вычислительную сложность построения обновленной «модели» с $O(n^3)$ до $O(n^2)$ . Также будет исследована возможность быстрого оценивания обобщающих возможностей «модели» на обучающей выборке при помощи метода скользящего контроля leave-one-out cross-validation, устранив главный недостаток такого подхода — необходимость построения новой «модели» при каждом удалении элемента из обучающей выборки.
Ключевые слова:
машинное обучение, интерполяция, случайная функция, система линейных уравнений, кросс-валидация.
Поступила в редакцию: 09.04.2015 Исправленный вариант: 24.06.2015
Образец цитирования:
Ю. Н. Бахвалов, И. В. Копылов, “Обучение и оценка обобщающей способности методов интерполяции”, Компьютерные исследования и моделирование, 7:5 (2015), 1023–1031
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/crm275 https://www.mathnet.ru/rus/crm/v7/i5/p1023
|
Статистика просмотров: |
Страница аннотации: | 169 | PDF полного текста: | 190 | Список литературы: | 28 |
|