เกณฑ์การคำนวณสำหรับตัวแยกประเภทความเสี่ยงขั้นต่ำ


11

สมมติว่าสองชั้นและมีแอตทริบิวต์และมีการกระจายและ0.5) หากเรามีค่าเท่ากับก่อนหน้าสำหรับเมทริกซ์ต้นทุนต่อไปนี้:C 2 x N ( 0 , 0.5 ) N ( 1 , 0.5 ) P ( C 1 ) = P ( C 2 ) = 0.5C1C2xN(0,0.5)N(1,0.5)P(C1)=P(C2)=0.5

L=[00.510]

ทำไมเป็นเกณฑ์สำหรับตัวจำแนกประเภทความเสี่ยงขั้นต่ำ (ราคา)x0<0.5

นี่คือตัวอย่างบันทึกย่อของฉันที่ฉันเข้าใจผิด (เช่นจะถึงเกณฑ์นี้ได้อย่างไร)

แก้ไข 1: ฉันคิดว่าอัตราส่วนของอัตราส่วนความน่าจะเป็นที่เราสามารถใช้ P (C1) / P (C2)

แก้ไข 2: ฉันเพิ่มจากหนังสือ Duda ในรูปแบบข้อความบางอย่างเกี่ยวกับเกณฑ์ ป้อนคำอธิบายรูปภาพที่นี่

คำตอบ:


4

สำหรับเมทริกซ์ต้นทุน

L=[00.510]12คาดการณ์12ความจริง

การสูญเสียของการเรียนการทำนายเมื่อความจริงก็คือระดับ2เป็นL 12 = 0.5และค่าใช้จ่ายในการคาดการณ์การเรียน2เมื่อความจริงก็คือระดับ1เป็นL 21 = 1 มีค่าใช้จ่ายสำหรับการคาดการณ์ที่ถูกต้องไม่เป็นL 11 = L 22 = 0 ความเสี่ยงตามเงื่อนไขRสำหรับการทำนายคลาสkนั้นคือ12L12=0.521L21=1L11=L22=0Rk

R(1|x)=L11ราคา(1|x)+L12ราคา(2|x)=L12ราคา(2|x)R(2|x)=L22ราคา(2|x)+L21ราคา(1|x)=L21ราคา(1|x)

เพื่อลดความเสี่ยง / การสูญเสียให้น้อยที่สุดคุณทำนายถ้าค่าใช้จ่ายจากความผิดพลาดในการทำเช่นนั้น (นั่นคือการสูญเสียการคาดคะเนผิดครั้งที่ความน่าจะเป็นหลังที่การทำนายผิด ) เล็กกว่าค่าใช้จ่ายในการทำนายทางเลือกโดยมิชอบL 12 Pr ( c 2 | x )1L12ราคา(2|x)

Pr(c2|x)Pr(x|c2)Pr(c2)Pr(c1)=Pr(c2)=0.51

L12ราคา(2|x)<L21ราคา(1|x)L12ราคา(x|2)ราคา(2)<L21ราคา(x|1)ราคา(1)L12ราคา(2)L21ราคา(1)<ราคา(x|1)ราคา(x|2)
ที่บรรทัดที่สองใช้กฎของเบย์(c_2) ให้ความน่าจะเป็นก่อนหน้าเท่ากับคุณได้ ราคา(2|x)αราคา(x|2)ราคา(2)ราคา(1)=ราคา(2)=0.5
12<ราคา(x|1)ราคา(x|2)

ดังนั้นคุณเลือกที่จะจัดประเภทการสังเกตเนื่องจากเป็นอัตราส่วนความน่าจะเป็นที่สูงกว่าเกณฑ์นี้ ตอนนี้มันไม่ชัดเจนกับผมว่าคุณต้องการที่จะรู้ว่า "เกณฑ์ที่ดีที่สุด" ในแง่ของอัตราส่วนความเป็นไปได้หรือในแง่ของแอตทริบิวต์xคำตอบจะเปลี่ยนไปตามฟังก์ชั่นค่าใช้จ่าย การใช้ Gaussian ในความไม่เท่าเทียมกับและ , , x σ 1 = σ 2 = σ μ 1 = 0 μ 2 = 1 11xσ1=σ2=σμ1=0μ2=1xL12=L21บันทึก(L12

12<12πσประสบการณ์[-12σ2(x-μ1)2]12πσประสบการณ์[-12σ2(x-μ2)2]เข้าสู่ระบบ(12)<เข้าสู่ระบบ(12πσ)-12σ2(x-0)2-[เข้าสู่ระบบ(12πσ)-12σ2(x-1)2]เข้าสู่ระบบ(12)<-x22σ2+x22σ2-2x2σ2+12σ2xσ2<12σ2-เข้าสู่ระบบ(12)x<12-เข้าสู่ระบบ(12)σ2
ดังนั้นเกณฑ์การทำนายในแง่ของxในขณะที่คุณค้นหาสามารถทำได้ก็ต่อเมื่อการสูญเสียจากการคาดการณ์ที่ผิดพลาดเหมือนกันนั่นคือเพราะเมื่อนั้นคุณจะมีและคุณจะได้รับ{2}L12=L21x0<1เข้าสู่ระบบ(L12L21)=เข้าสู่ระบบ(1)=0x0<12

คำตอบที่ดี แต่ฉันสับสน! ถ้าคุณต้องการเลือกหรืออันไหนถูกต้อง? x 0 < 0.5x0=0.5x0<0.5
user153695

ดังนั้นในขอบเขตการตัดสินใจคุณไม่สามารถบอกได้อย่างแน่ชัดว่าการสังเกตควรอยู่ในชั้นหนึ่งหรือสอง (เพราะอยู่บนขอบเขต) ดังนั้นการเลือกว่าการสังเกตควรอยู่ในคลาส 1 หรือไม่ถ้าหรือขึ้นอยู่กับคุณ ด้วยตัวอย่างขนาดใหญ่ที่เพียงพอสิ่งนี้น่าจะเกิดขึ้นสำหรับการสังเกตน้อยมากดังนั้นเมื่อถึงระยะขอบมันจะทำให้เกิดครอกสำหรับผลลัพธ์ของคุณ i x 00.5 x 0 < 0.5x0=0.5ผมx00.5x0<0.5
Andy

ปัญหาของฉันทั้งหมดที่ตั้งค่าหัวมันไว้กับศาสตราจารย์ของฉัน คำนวณและไม่ยอมรับโปรดดูที่แก้ไขของฉันในคำถามผมเกณฑ์บางควรจะx_0x 0 = 0.5 x 0 < 0.5x0<0.5x0=0.5x0<0.5
user153695

อาจ 0.5-ln :)
153695

1
@ เมื่อไรขอบคุณฉันพลาดอย่างสมบูรณ์ดังนั้นฉันจึงเริ่มต้นจากจุดจบที่ผิดอย่างสมบูรณ์
Andy
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.