用于分类数据的单遍分类器
人工智能
2019-01-04 v4
摘要
本文描述一种对新数据集进行分类的方法，该数据集将元素划分至其类别中。它与神经网络有关但结构略有不同，仅需通过分类器单遍即可生成权重集。需要一种类网格结构，作为将一维实数值行转换为二维值域带结构的新颖思想的一部分。任一带中的每个单元随后存储一组不同的权重，以表示其自身重要性及与每个输出类别的关系。在分类期间，可检索所有输出权重列表并求和，以产生正确输出类别的概率。这些带可能像神经元的隐藏层一样工作，但它们是变量特定的，使过程正交。构建过程可以是无迭代的单次更新过程，使其潜在地快得多。它也可与k-NN比较，并可能适用于部分或竞争性更新。
引用
@article{arxiv.1503.02521,
title = {A Single-Pass Classifier for Categorical Data},
author = {Kieran Greer},
journal= {arXiv preprint arXiv:1503.02521},
year = {2019}
}