سه شنبه 21 مرداد 1399 | Tuesday 11 th of August 2020 صفحه اصلی گروه الکترونیکی کامپیوتر
3-1 مقدمه

دسته بندی[1] نمونه ها در سال های اخیرتبدیل به موضوع بسیار مهمی در تحقیقات پزشکی شده است.چنین دسته بندی کمک می کندکه بتوانیم بین دو نوع نمونه تمایز قائل شویم .معمولا این دو نوع نمونه یا مثبت هستند(نمونه های موردی) ویا منفی اند (نمونه های کنترلی). مثالی برای
نمونه های مثبت یا موردی ، شخصی است که حامل یک بیماری است و مثالی برای نمونه های منفی یا کنترلی ، شخص سالم است . ابتدا یک مجموعه از نمونه ها  با برچسب های معین را فراهممی کنیم و با انها دسته بندی کننده را می سازیم و سپس می توان از ان در برچسب گذاری نمونه هایی که برچسب ندارند ، استفاده  کرد .

این به ان معنی است که  دسته بندی گر،باید اموزش ببیند ولی این اموزش نباید به نحوی باشد که شرایط overfittingپیش بیاید .

Overfitting  به این معنی است که دسته بندی گر نباید بیش از حد اموزش ببیند زیرا در این شرایط ممکن است که نویز ها را هم به عنوان داده اصلی به حافظه بسپارد . یعنی یک سری نمونه ها راخیلی خوب یاد بگیرد و در یک سری از انها ضعیف عمل کند یا بیش از حد اموزش ببیند .

با استفاده از ویژگی های کمتر ویا به بیانی کاهش ابعاد ویژگی ها دسته بندی کننده می تواند هم در زمان و هم در حافظه کارامدتر باشد



[1]Classification

Compatability by:
آخرین به روز رسانی سایت: سه شنبه, 22 اسفند 1391 - 00:26