அருகிலுள்ள அண்டை முறை: வேலைக்கான உதாரணம்

அருகிலுள்ள அண்டை முறையானது, பல்வேறு பொருள்களின் ஒத்த தன்மையை மதிப்பீடு செய்வதன் அடிப்படையிலான எளிமையான மெட்ரிக் வகைப்படுத்தியாகும்.

பகுப்பாய்வு செய்யப்பட்ட பொருள் வகுப்பிற்கு பயிற்றுவிப்பதற்காக பயிற்சி வகுப்பின் உட்பிரிவுகள் அடங்கும். நெருங்கிய அண்டை வீட்டார் என்ன கண்டுபிடிப்போம். இந்த சிக்கலான சிக்கலை புரிந்துகொள்ள முயற்சி செய்வோம், பல்வேறு நுட்பங்களை எடுத்துக்காட்டுங்கள்.

முறையின் கருதுகோள்

வகைப்படுத்துவதற்குப் பயன்படுத்தப்படும் மிகவும் பொதுவான படிமுறைக்கு அருகில் இருக்கும் அண்டை நாடு முறை கருதப்படுகிறது. வகுப்பு y_i என்ற வகைக்கு உட்பட்ட ஒரு பொருளை வகைப்படுத்துகிறது, இதில் பயிற்சி மையம் x_i நெருங்கிய பொருள் ஆகும்.

அருகாமையில் உள்ள அண்டை நாடுகளின் முறையின் சிறப்பு

அருகிலுள்ள அண்டை நாட்டின் k வகைப்பாடு நம்பகத்தன்மையை அதிகரிக்க அனுமதிக்கிறது. பகுப்பாய்வு செய்யப்பட்ட பொருள், அதன் அண்டை நாடுகளின் முக்கிய வெகுஜனமான அதே வகுப்புக்குரியது, அதாவது அது ஆய்வு செய்யப்பட்ட மாதிரியை x_i அருகில் நெருங்கியிருக்கும். இரண்டு வகுப்பினருடனான பிரச்சினைகளை தீர்க்கும் போது, அண்டை நாடுகளின் எண்ணிக்கையானது அண்டை நாடுகளின் அதே எண்ணிக்கையிலான வகுப்புகளுக்குச் சொந்தமானால், தெளிவற்ற சூழ்நிலையைத் தவிர்ப்பதற்கு ஒற்றைப்படை இருக்கும்.

கனமான அண்டை நாடுகளின் நுட்பம்

வகுப்புகளின் எண்ணிக்கை மூன்று-க்கும் குறைவாக இல்லாதபோது, மற்றும் விநோதத்தை பயன்படுத்த முடியாத போது அருகிலுள்ள அண்டை திசுக்களுக்கு பிந்தைய இடுகையைப் பயன்படுத்தும் முறை பயன்படுத்தப்படுகிறது. ஆனால் இந்த விஷயங்களில் கூட தெளிவற்ற தன்மை ஏற்படுகிறது. பின்னர் நான் அண்டை அயல் எடை W_i பெறுகிறது, இது அண்டை நான் வளர்ந்து வரும் ரேங்க் குறைகிறது. பொருளை நெருங்கிய அண்டை மத்தியில் அதிகபட்ச மொத்த எடை வேண்டும் என்று ஒரு வர்க்கம் குறிக்கிறது.

சமன்பாட்டின் கருதுகோள்

எல்லாவற்றிற்கும் மேலான முறைகள் இதயத்தில் சமன்பாடு பற்றிய கருதுகோள் ஆகும். பொருள்களின் ஒற்றுமை மற்றும் ஒரு வர்க்கத்திற்குச் சொந்தமான அளவிற்கும் இடையேயான தொடர்பை இது உள்ளடக்கியது. இந்த சூழ்நிலையில், வித்தியாசமான கருத்துக்களுக்கு இடையேயான எல்லைகள் எளிமையான வடிவத்தில் உள்ளன, மேலும் வகுப்புகள் பொருள்களின் இடத்தில் சிறிய மொபைல் பகுதிகளை உருவாக்குகின்றன. கணிதப் பகுப்பாய்வில் இத்தகைய களங்களின் கீழ் மூடிய எல்லைக்குட்பட்ட செட் என்று பொருள் கொள்ளலாம். இந்த கருதுகோள் இந்த வார்த்தையின் தினசரி கருத்துடன் தொடர்புடையது அல்ல.

அடிப்படை சூத்திரம்

மிக அருகில் உள்ள அண்டை வீட்டார் முறையை மேலும் விரிவாக ஆராய்வோம். வடிவம் "பொருள்-மறுமொழி" என்ற பயிற்சி மாதிரி வழங்கப்பட்டால், X ^ m = \ ((x_1, y_1), \ dots, (x_m, y_m) \}; பொருள்களின் ஒற்றுமைக்கு ஏற்றவாறு மாதிரியான மாதிரியான மாதிரியாகச் செயல்படும் \ rho (x, x ') எனும் பொருளின் தொகுப்பினைக் கொண்டால், இந்தச் சார்பு அதிகரிக்கும் போது, x, x' குறைகிறது.

எந்த பொருள் u, நாம் பயிற்சி மாதிரி பொருட்களை உருவாக்க x_i u அதிகரிப்பு தூரம்:

\ Ro (u, x_ {1; u}) \ leq \ rho (u, x_ {2; u}) \ leq \ cdots \ leq \ rho (u, x_ {m; u}

X_ {i; U} அசல் பொருள் u நான் அண்டை அண்டை என்று பயிற்சி மாதிரி பொருள் பண்பு. நாம் இந்த அடியை நான் அண்டை அயலிக்கான விடையைப் பயன்படுத்துகிறேன்: y_ {i; u}. இதன் விளைவாக, ஒரு தன்னிச்சையான பொருள் அதன் மாதிரியை எண்ணிப்பதில் ஒரு மாற்றத்தை ஏற்படுத்துகிறது.

அண்டை நாடுகளின் எண்ணிக்கை உறுதி

K = 1 இல் இருக்கும் அண்டை நாட்டின் முறையானது, மாசுபடுத்தும் பொருள்களின் மீது மட்டுமல்ல, அருகிலுள்ள மற்ற வகுப்புகளும்கூட, தவறான வகைப்பாட்டைக் கொடுக்கும் திறன் கொண்டது.

K = m ஐ எடுத்தால், படிமுறை அதிகபட்சமாக நிலையானது மற்றும் ஒரு மாறிலி மதிப்புக்குள் சிதைந்துவிடும். அதனால் தான் நம்பகத்தன்மைக்கு இது மிக முக்கிய குறிகளுக்கு அனுமதிக்கக் கூடாது என்பதே முக்கியம்.

நடைமுறையில், நெகிழ்வு கட்டுப்பாட்டுக்கான அளவுகோல் உகந்த காட்டி கே.

உமிழ்வை அகற்றுவது

பயிற்சியின் பொருள்கள் பெரும்பாலும் சமமற்றவை, ஆனால் அவை மத்தியில் வர்க்கத்தின் குணாதிசய அம்சங்களும், தரநிலைகள் என்று அழைக்கப்படுகின்றன. இலட்சிய மாதிரியைப் பொருட்படுத்தியதன் மூலம், கொடுக்கப்பட்ட வர்க்கத்திற்குச் சொந்தமான நிகழ்தகவு அதிகமாக உள்ளது.

அருகில் இருக்கும் அண்டை முறை எப்படி பயனுள்ளதாக இருக்கும்? ஒரு உதாரணம் பொருட்களின் புற மற்றும் noninformative பிரிவுகள் அடிப்படையில் பார்த்து. பொருளின் அடர்த்தியான சூழ்நிலையானது, இந்த வகுப்பின் மற்ற பிரதிநிதிகளாக கருதப்படுகிறது. நீங்கள் அவற்றை மாதிரியில் இருந்து நீக்கினால், வகைப்பாட்டின் தரம் பாதிக்கப்படாது.

அத்தகைய ஒரு மாதிரிப் பெற, ஒரு குறிப்பிட்ட எண்ணிக்கையிலான சத்தம் உமிழ்வு, மற்றொரு வர்க்கத்தின் "தடிமனாக" இருக்கும். அகற்றுவதன் அடிப்படையில் நடத்தப்பட்ட வகைப்பாட்டின் தரத்தில் சாதகமான விளைவைக் கொண்டிருக்கிறது.

மாதிரியிலிருந்து தகவல்தொடர்பு மற்றும் இரைச்சல் பொருட்கள் அகற்றப்பட்டால், பல நேர்மறையான முடிவுகளை ஒரே நேரத்தில் எதிர்பார்க்கலாம்.

மிக அருகில் உள்ள அண்டை வீட்டின் முறையால் அனைத்து இடைச்செருகல்களிலும் , வகைப்படுத்தப்பட்ட தரத்தின் அளவைக் குறைப்பதற்காக, வகைப்படுத்தலின் தரத்தை குறைக்க வகைப்படுத்தலாம், இது வகைப்படுத்துவதற்கான நேரத்தை குறைக்க, இது மிகச் சமீபத்திய தரங்களைத் தேர்ந்தெடுப்பதில் செலவழிக்கப்படுகிறது.

கூடுதல் பெரிய மாதிரிகள் பயன்பாடு

பயிற்சி பெற்ற பொருள்களின் உண்மையான சேமிப்பகத்தை அடிப்படையாகக் கொண்டிருக்கும் அண்டை நாடுகளின் முறை. சூப்பர் பெரிய மாதிரிகள் உருவாக்க தொழில்நுட்ப சிக்கல்களை பயன்படுத்த. பணி என்பது குறிப்பிடத்தக்க அளவிலான தகவலை காப்பாற்றுவதற்கு மட்டுமல்ல, அருகிலுள்ள கே அண்டை நாடுகளில் ஒரு தன்னிச்சையான பொருளைத் தேட நிர்வகிக்க குறைந்தபட்ச காலப்பகுதியிலும் உள்ளது.

பணியைச் சமாளிக்க, இரண்டு முறைகள் பயன்படுத்தப்படுகின்றன:

• தகவல் அல்லாத பொருள்களை வெளியேற்றுவதன் மூலம் மாதிரியை மாற்றியமைத்தல்;
• அருகில் உள்ள அண்டை உடனடி தேடல் சிறப்பு சிறப்பு கட்டமைப்புகள் மற்றும் தரவு குறியீடுகள் பயன்படுத்த.

முறைகள் தேர்ந்தெடுப்பதற்கான விதிகள்

வகைப்பாடு மேலே கருதப்பட்டது. அருகில் உள்ள அண்டை வீச்சு முறை நடைமுறை சிக்கல்களை தீர்க்க பயன்படுகிறது \ rho (x, x ') முன்னதாக அறியப்படுகிறது. பொருள்களை விவரிக்கும் போது, எண்ணியல் திசைகள் யூக்ளிடியன் மெட்ரிக் பயன்படுத்துகின்றன. அத்தகைய ஒரு தேர்வுக்கு எந்தவிதமான நியாயமும் கிடையாது, ஆனால் அது "ஒற்றை அளவிலான" அனைத்து அறிகுறிகளின் அளவையும் குறிக்கிறது. இந்த காரணி கணக்கில் எடுக்கப்படாவிட்டால், மிகப்பெரிய எண்ணியல் மதிப்பைக் கொண்டுள்ள குறியீட்டால் மெட்ரிக் ஆதிக்கம் செலுத்தப்படும்.

குறிப்பிடத்தக்க எண்ணிக்கையிலான அம்சங்கள் முன்னிலையில், குறிப்பிட்ட குணாதிசயங்களுக்கான மாறுதல்களின் மொத்த தூரம் என கணக்கிட, தீவிர பரிமாண சிக்கல் தோன்றுகிறது.

உயர் பரிமாணத்தின் ஒரு இடத்தில், அனைத்து பொருட்களும் ஒருவரையொருவர் தூரத்திலிருந்து வெகு தொலைவில் இருக்கும். இறுதி ஆய்வில், ஆய்வின் கீழ் உள்ள பொருளுக்கு அருகில் உள்ள அண்டை நாடுகளின் ஒரு தன்னிச்சையான மாதிரி தன்னிச்சையாக இருக்கும். இந்த சிக்கலை நீக்குவதற்கு, சிறிய எண்ணிக்கையிலான தகவல் அறிகுறிகள் தேர்ந்தெடுக்கப்பட்டன. மதிப்பீடுகள் கணக்கிட அல்காரிதம்கள் வெவ்வேறு தொகுப்புகளின் அடிப்படையில் கட்டப்பட்டுள்ளன, மேலும் ஒவ்வொரு நபருக்கும் அவர்கள் அருகாமையில் செயல்படுகின்றன.

முடிவுக்கு

கணித கணக்கீடுகள் பெரும்பாலும் தங்கள் தனித்துவமான பண்புகள், நன்மைகள் மற்றும் தீமைகள் கொண்ட பல்வேறு நுட்பங்களைப் பயன்படுத்துகின்றன. கணிசமான பொருள்களைப் பொருத்துவதுடன் நெருக்கமான சிக்கல்களைத் தீர்க்க நெருக்கமான அண்டை நாடுகளின் கருதப்பட்ட முறை அனுமதிக்கிறது. ஆராய்ச்சிக்கான நுட்பத்தை அடிப்படையாகக் கொண்ட பரிசோதனைக் கருத்துக்கள் இப்போது செயற்கையான உளவுத்துறை கருவிகளில் தீவிரமாக பயன்படுத்தப்படுகின்றன.

நிபுணர் அமைப்புகளில், பொருள்களை வகைப்படுத்துவது மட்டுமல்லாமல், விவரிப்பில் வகைப்பாட்டின் பயனர் ஒரு விளக்கத்தைக் காட்டவும் அவசியம். இந்த முறையில், இத்தகைய ஒரு நிகழ்வுக்கான விளக்கங்கள் ஒரு குறிப்பிட்ட வர்க்கத்திற்கான பொருளின் தொடர்பால் வெளிப்படுத்தப்படுகின்றன, மேலும் அது பயன்படுத்தும் மாதிரிக்கு இடையில் அதன் இடம் உள்ளது. சட்ட தொழில் வல்லுனர்கள், புவியியலாளர்கள், மருத்துவர்கள், இந்த "முன்னோடி" தர்க்கத்தை ஏற்றுக்கொள்வார்கள், தங்கள் படிப்பில் அதை தீவிரமாக பயன்படுத்துகின்றனர்.

பகுப்பாய்வு செய்யப்பட்ட முறையை முடிந்தவரை நம்பகமானதாக, திறம்பட, விரும்பிய முடிவைக் கொடுக்கும் பொருட்டு, குறைந்தபட்ச காட்டினை எடுத்துக்கொள்ள வேண்டும், மேலும் பகுப்பாய்வு செய்யப்பட்ட பொருட்களில் இருந்து உமிழ்வதை அனுமதிக்கக்கூடாது. அதனால்தான், தரவரிசைகளை தேர்ந்தெடுப்பதற்கான வழிமுறை பயன்படுத்தப்படும், மேலும் மெட்ரிக் தேர்வுமுறைகளும் மேற்கொள்ளப்படுகின்றன.