我有一个非常简单的线性分类问题,即针对坐标中的以下三个类计算出线性分类问题:
第 1 类:点 (0,1) (1,0) 第 2 类:点 (-1,0) (1,0) 第 3 类:点 (0,-1) (1,-1)
我手动使用了随机初始权重 [ 1 0,0 1] (2*2 矩阵)和随机初始偏差 [1,1]通过对六个样本进行每次迭代,我最终得到一个分类,即X=-1和Y=-1,所以当x和Y都>-1时,它是class1; 如果X<=-1且Y>-1,则为class2; 如果 x >-1 且 Y <=-1,则为 class3。
将其绘制在图上之后,我认为它存在一些问题,因为决策边界在 class2 和 class3 中交叉采样,我想知道这是否可以接受。通过观察图,我会说理想的分类是 x =- 1/2和y=1/2,但是我计算后确实无法得到这个结果。
请与我分享您的想法,提前致谢。
最佳答案
我想说结果是可以接受的。除了 (1,0) 处的点被标记为类别 2 并被分类为类别 1 之外,所有点都被正确分类。问题是 (1,0) 处也有一个点被标记为类别 1,所以它是不可能将类别 1 和类别 2 分开。
当然,在测试集上进行评估时,该模型很可能很糟糕。如果您希望决策边界在点之间等距放置,则需要查看最大边距分类器。
关于artificial-intelligence - 这个分类结果可以接受吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/3910617/