Klasyfikacja hierarchiczna - Hierarchical classification
Hierarchicznej klasyfikatora jest klasyfikator , który mapuje wejściowych danych w określonych subsumptive kategoriach produkcji. Klasyfikacja odbywa się najpierw na niskim poziomie z bardzo konkretnych elementów danych wejściowych. Klasyfikacje poszczególnych danych są następnie systematycznie łączone i klasyfikowane na wyższym poziomie iteracyjnie, aż do uzyskania jednego wyniku. Ten końcowy wynik jest ogólną klasyfikacją danych. W zależności od aplikacji- specyficzne szczegóły, to wyjście może być jednym z zestawu wcześniej zdefiniowanych wyników, jednym z zestawu wyników nauczonych on-line lub nawet nową, nowatorską klasyfikacją, która nie była wcześniej widziana. Ogólnie rzecz biorąc, takie systemy opierają się na stosunkowo prostych pojedynczych jednostkach hierarchii, które mają tylko jedną uniwersalną funkcję do przeprowadzenia klasyfikacji. W pewnym sensie maszyny te opierają się na mocy samej struktury hierarchicznej , a nie na zdolnościach obliczeniowych poszczególnych komponentów. To sprawia, że są stosunkowo proste, łatwo rozszerzalne i bardzo wydajne.
Klasyfikacja hierarchiczna jest czasami określana jako dekompozycja przestrzeni instancji , która dzieli kompletny problem wieloklasowy na zestaw mniejszych problemów klasyfikacji. Służy do nauki dokładniejszych pojęć dzięki prostszym granicom klasyfikacji w podzadaniach i indywidualnym procedurom wyboru cech dla podzadań. Podczas dekompozycji klasyfikacji głównym wyborem jest kolejność kombinacji mniejszych kroków klasyfikacji, zwana ścieżką klasyfikacji. W zależności od aplikacji można ją wyprowadzić z macierzy pomyłek i odkrywając przyczyny typowych błędów i znajdując sposoby na zapobieganie systemowi, dokonać ich w przyszłości. Na przykład na zbiorze walidacyjnym widać, które klasy są najczęściej wzajemnie mylone przez system, a następnie dekompozycja przestrzeni instancji odbywa się w następujący sposób: po pierwsze klasyfikacja odbywa się wśród dobrze rozpoznawalnych klas, a klasy trudne do oddzielenia są traktowane jako pojedynczą wspólną klasę, a na koniec, jako drugi krok klasyfikacji, wspólną klasę dzieli się na dwie początkowo wzajemnie mylone klasy.
Podanie
Istnieje wiele aplikacji, które są efektywnie implementowane przy użyciu klasyfikatorów hierarchicznych lub ich wariantów. Jednym z takich przykładów jest obszar wizji komputerowej . Rozpoznawanie obrazów to coś, co może zrobić hierarchiczne przetwarzanie . Powodem, dla którego wzór jest tak dobrze pasuje do tej aplikacji jest to, że zdjęcia mogą być postrzegane jako intuicyjnie kolekcji z elementów lub obiektów . Obiekty te można wyświetlać jako kolekcje mniejszych elementów, takich jak kształty , które można wyświetlać jako kolekcje linii i tak dalej. Zbiega się to bezpośrednio ze sposobem działania przetwarzania hierarchicznego. Jeśli prosta jednostka hierarchii przetwarzania może klasyfikować linie na kształty, to równoważna jednostka może przetwarzać kształty na obiekty (oczywiście są między nimi pewne etapy pośrednie, ale istnieje pomysł). Tak więc, jeśli ułożysz te ogólne jednostki klasyfikacyjne w sposób hierarchiczny (przy użyciu ukierunkowanego wykresu acyklicznego ), pełna klasyfikacja krok po kroku może nastąpić od pikseli koloru aż do abstrakcyjnej etykiety tego, co jest na obrazie.
Istnieje wiele podobnych zastosowań, które można również rozwiązać za pomocą klasyfikacji hierarchicznej, takich jak rozpoznawanie tekstu pisanego, świadomość robota itp. Możliwe jest, że modele matematyczne i metody rozwiązywania problemów mogą być również reprezentowane w ten sposób. W takim przypadku przyszłe badania w tej dziedzinie mogą doprowadzić do bardzo udanych automatycznych testów twierdzeń w wielu dziedzinach . Takie zmiany byłyby bardzo potężne, ale nie jest jeszcze jasne, jak dokładnie te modele mają zastosowanie.