论文研究 分类问题中信息结构的无差错训练

本文采用数据矩阵不变法解决了训练问题,该训练问题包括分类问题的初始阶段。 该方法被简化为问题中包含的信息的近似“切片”,从而导致其结构化。 根据该方法,将每个特征的值划分为相等数量的间隔,并且构造落入这些间隔的对象的列表。 通过每个特征的一组间隔数(即索引)来标识对象。 假设任何间隔内的特征值近似相同,我们计算不同类别对象的频率特征,这些频率特征等于相应索引的频率。 这些功能使我们可以将任何对象类别的频率确定为索引频率的总和。 对于任何数量的间隔,最大频率对应于一个类别对象。 如果特征不包含重复值,则对于无限多个间隔,训练的错误率趋于零。 如果不满足此条件,则应对特征进行初步随机化。