К содержимому

Граница решений

Как в учебнике

Пусть классификатор $h$ назначает каждой точке пространства признаков один из классов. Область решения класса — множество точек, которым $h$ назначает эту метку. Граница решений разделяет области с разными предсказаниями: сколь угодно близко к её точкам находятся точки разных областей.

В двумерном пространстве граница может быть линией или набором кривых; в пространстве большей размерности форма зависит от модели. Граница определяется правилом предсказания, а не просто соединением размеченных объектов.

Для учебного непрерывного счёта $s(x)=x_1+x_2-3$ классы заданы как 1 при $s(x)\ge0$ и 0 при $s(x)<0$. Граница здесь задаётся равенством $s(x)=0$. Значение ровно на границе присвоено классу 1 по принятому соглашению; это соглашение не меняет положение самой границы.

Одна размеченная выборка может допускать разные границы. Значит, удачное разделение известных точек ещё не устанавливает, где должны лежать области предсказаний на новых данных.

Связанные понятия: Классификация с учителем.

В линейном примере при фиксированном $x_2$ переход задаётся значением $x_1=3-x_2$. Для любой точки на этой прямой сколь угодно малые сдвиги первой координаты в разные стороны дают разные знаки счёта. Это подтверждает свойство границы. Вне прямой можно выбрать достаточно малую окрестность, где знак не меняется; поэтому не каждое изменение признаков обязательно меняет класс.

На пальцах

Карта доставки может назначать разные тарифы по разные стороны линии. Адрес задаёт точку, район объединяет одинаковые ответы, а пересечение границы способно сменить тариф при малом перемещении. Правило действует и для новостройки, откуда ещё не было заказов; забор вокруг каждого знакомого адреса превратил бы доставку в градостроительный заговор. Принадлежность самой линии определяется отдельным соглашением, которое не передвигает границу. Карта показывает области решений, но расстояние до черты само по себе не измеряет вероятность или уверенность прогноза.

Пример

В учебной модели изменяется только $x_1$, сохраняя $x_2=1$. Счёт $s=x_1+x_2-3$ позволяет проследить переход через границу без скрытого обучения.

Граница решений

До границы

Для точки (1,1) счёт отрицателен. Модель назначает класс 0.

Шаг 1 из 3: До границы

Все шаги текстом
  1. До границы

    Для точки (1,1) счёт отрицателен. Модель назначает класс 0.

    x
    1текущий1текущий
    Счёт
    -1исключён
    Класс
    0включён
  2. На границе

    В точке (2,1) счёт равен нулю. По принятому соглашению ответ уже 1.

    x
    2текущий1
    Счёт
    0текущий
    Класс
    1включён
  3. После границы

    В точке (3,1) счёт положителен. Класс остаётся 1, хотя положение точки изменилось.

    x
    3текущий1
    Счёт
    1включён
    Класс
    1включён

При $x_2=1$ правило сокращается до $s=x_1-2$, поэтому переход происходит ровно при $x_1=2$. Значения 1 и 3 находятся по разные стороны этого порога. Класс точки на пороге выбран отдельно: равенство включено в класс 1. Если включить равенство в класс 0, ответ в самой точке изменится, но соседние области и разделяющая их прямая останутся на прежнем месте.

Источник исходного конспекта: материал лекции.

Авторский текст этой бесплатной статьи опубликован по лицензии CC BY-NC-ND 4.0.

Предыдущая / следующая

Предыдущая
Линейный классификатор
Следующая
Метод ближайших соседей
  • Классификация с учителем

    Как объект превращается в признаки, что означает известная метка и какой ответ должен дать классификатор новому объекту.

    Читать статью
    Машинное обучение
  • Ошибка классификации

    Как индикатор ошибки превращает неверные метки в долю и чем результат на выборке отличается от ошибки на новых данных.

    Читать статью
    Машинное обучение
  • Разделение данных на обучение, валидацию и тест

    Почему настройка параметров, выбор модели и итоговая оценка требуют разных ролей данных.

    Читать статью
    Машинное обучение