Оцінка ефективності моделі навчання та якості роботи метричних класифікаторів

Abstract

В работе приведена полная концепция вероятносно-комбинаторного подхода, явлюящаяся результатом длительных предварительных исследований. Подход дает возможность установить причины переобучения алгоритмов распознавания, определить возможные пути его уменьшения, а также строить максимально точные оценки вероятности распознавания. Комбинаторный подход работает с детерминированными результатами распознавания, а вероятности - определяет вероятность существования этих результатов. Оснлвная ценность комбинаторного подхода состоит в том, что он дает возможность определить влияние изменения размера обучающих данных на разные алгоритмы, выбрать наиболее оптимальный из них или композицию оптимальных алгоритмов. Вероятносная часть определяет вероятность результатов, полученных на основании комбинаторного подхода.

У роботі наведена повна концепція ймовірно-комбінаторного підхіду, що є результатом тривалих попередніх досліджень. Підхід дає можливість встановити причини перенавчання алгоритмів розпізнавання, визначити можливі шляхи його зменшення, а також будувати максимально точні оцінки ймовірності розпізнання. Ккомбінаторний підхід працює з детермінованими результатами розпізнання, а ймовірнісний - визначає ймовірність існування цих результатів. Оснавна цінність комбінаторного підхіду полягає в тому, що він дає можливість визначити вплив змін розміру навчаючих данних на різні алгоритми, вибрати найбільш оптимальний із них або композицію оптимальніх алгоритмів. Ймовірнісна частина визначає ймовірність результатів, отриманих на основі комбінаторного підходу.

In this paper the full conception of the probabilistically combinatorial approach has been presented. This conception is the result of previous long preliminary works. The approach gives the possibility to cstablish the reasons of rccognition algorithms overtraining, to define the possible ways of it reduction and to build the most precise estimates of the recognition probability. The combinatorial approach works with determined data of the recognition process and the probabilistic one determines the probability of these results existence. The most usefulness of the combinatorial approach consists in the possibility to determine the training set variation influence on the different algorithms and select the most appropriate one from these algorithms or algorithm composition. The probabilistic part of this approach determines the probability of results obtained on the basis of combinatorial approach.