Алгоритмы k-mean и случайного леса |
Здравствуйте, гость ( Вход | Регистрация )
Алгоритмы k-mean и случайного леса |
20.02.2019 - 18:56
Сообщение
#1
|
|
Группа: Пользователи Сообщений: 24 Регистрация: 6.12.2017 Пользователь №: 30681 |
Подскажите, пожалуйста, пошагово, как работают Алгоритмы k-mean и случайного леса, без формул, ссылки на вики не нужны) сам умею вики смотреть, а там одни формулы
Интересует словесное описание работы этих методов k-mean шаг первый вторый случайный лес шаг первый второй |
|
20.02.2019 - 23:54
Сообщение
#2
|
|
Группа: Пользователи Сообщений: 231 Регистрация: 27.04.2016 Пользователь №: 28223 |
Подскажите, пожалуйста, пошагово, как работают Алгоритмы k-mean и случайного леса, без формул, ссылки на вики не нужны) сам умею вики смотреть, а там одни формулы Интересует словесное описание работы этих методов k-mean шаг первый вторый случайный лес шаг первый второй Ну, это примерно как просьба рассказать, как выполняют операцию по удалению аппендицита на словах и не употребляя медицинские термины. Но если кратко - то и k-mean относится к алгоритмам кластеризации (обучение без учителя). Первый шаг - в пространстве описания объектов вводится мера подобия (расстояния). Второй шаг - берется множество объектов, задается желаемое количество кластеров. Назначаются произвольные точки в качестве центроидов кластеров. Шаг третий. Как только набор центроидов становится доступен, каждый кластер обновляется таким образом, чтобы содержать точки ближайшие к данному центроиду. Шаг четвертый. Как только набор кластеров становится доступен, каждый центроид пересчитывается, как среднее значение всех точек, принадлежащих данному кластеру. Шаги 3 и 4 повторяются, пока кластеры и центроиды не перестанут изменяться. Все проще простого, и без всякой математики. Случайный лес. Относится к алгоритмам классификации (обучение с учителем). По сути это совместное применение множества решающих деревьев. Шаг первый. Выбирается подвыборка обучающей выборки и по ней строится дерево. При построении дерево для каждого узла случайно выбираются наборы признаков из которых по определенному критерию ищется лучший. Этот шаг повторяется многократно для различных подвыборок обучающей выборки. В итоге получаем множество деревьев. Шаг второй. Берем полученное множество деревьев, берем объект классификации и пытаемся решить задачу каждым из деревьев. Ответы усредняем (обычно - в случае регрессии), или принимаем решение по принципу голосования (обычно - в задачах классификации). Как вы просили - просто, словесно и без математики. Но если честно, я не понимаю, если вы "сами умеете читать вики", то зачем вам еще словесное описание? Только не говорите, что хотите научиться этим "премудростям" без изучения математики и формул. Я же не хочу научиться удалять аппендицит по вашему описанию операции, без предварительно серьезного изучения анатомии, физиологии, диагностики и еще чего-то там, что составляет "таблицу умножения" медицины. Сообщение отредактировал passant - 21.02.2019 - 00:05 |
|