Экзаменационная выборка

Качество результатов распознавания обеспечивается качеством решающего правила, найденного в ходе обучения. Качество распознавания оценивается посредством подсчета частоты ошибок, допущенных при распознавании принадлежности к классу объектов, не использованных при обучении (так называемая экзаменационная выборка). Обычно в распоряжении исследователя в виде исходной имеется только одна выборка. Она случайным образом делится несколько раз на обучающую и экзаменационную последовательности. Полученные из нескольких выборок результаты усредняются. [c.89]

При отсутствии в каталоге масс-спектра исследуемого соединения для качественного анализа используют методы распознавания. Классификация основана на исследовании масс-спектров известных соединений (обучающая выборка) и отнесении масс-спектров исследуемых образцов (экзаменационная выборка) к тому или иному классу. Применение для этой цели метода потенциальных функций с использованием разделяющих конических поверхностей показало, что после обучения ЭВМ. выработала достаточно точный критерий, позволяющий различать парафиновые, нафтеновые и моноолефиновые углеводороды. Ошибка распознавания не превышала 3% (отн.) 1[60]. [c.47]

Для определения предсказательной способности классификатора используются элементы из распознаваемых классов, не входящие в обучающую выборку (экзаменационная выборка . На примере различных классов органических соединений исследовалась предсказательная способность линейного классификатора. Правильность распознавания неизвестных соединений возрастала с увеличением объема обучающей выборки и снижалась с уменьшением числа вводимых параметров. [c.47]

В третьем н четвертом столбцах таблицы приведены данные о числе соединений двух категорий в обучающей выборке. В пятом— указано число коррекций через обратную связь, необходимых для обеспечения сходимости. Если в этом столбце указано >2000, то это означает, что 2000 таких коррекций не позволили завершить обучение. В шестом и седьмом столбцах приведены данные о числе соединений двух категорий в экзаменационной выборке. Данные в последнем столбце характеризуют процентную долю верных распознаваний 187 соединений, не вошедших в обучающую выборку. Прогнозирующая способность составляла от 61,5 до 98,9% со средним, равным 90,3%. Процент правильных предсказаний может служить мерой достоверности ответа для неизвестного спектра. При случайном угадывании такая вероятность равна 50%. Таким образом, полностью эмпирический вычислительный метод позволяет получать с высоким уровнем достоверности информацию о структуре углеводородов. [c.51]

Обучающая выборка Экзаменационная выборка [c.53]

Молекулярную формулу углеводородов из экзаменационной выборки удалось правильно предсказать во всех случаях, кроме одного (см. табл. 4.4, 4.5). Менее успешным, чем в случае обучающей выборки, было прогнозирование структуры соединений из экзаменационной выборки. Правильно предсказать удалось только своеобразную структуру одного соединения (2) предполагаемая структура другого соединения (7) представляла одну из двух возможных структур. (Изомеры, образованные ответвлениями от углеродных атомов кольца, не различались по другим рассматриваемым структурным параметрам и потому отдельно не рассматривались.) В остальных семи случаях прогнозы структуры пяти соединений (1, 3, 4, 8 и 9) были довольно близки к правильным в том смысле, что предсказанные структуры отличались от действительных только по положению двойной связи или по точке разветвления. В одном случае — для соединения 6 — молекулярная формула была предсказана неправильно, но в данном случае не было никаких шансов на составление верного прогноза. Однако полученные результаты [c.62]

В табл. 4.6 приведены результаты обучения бинарных классификаторов образов с порогом и без него. Обучение проводилось на том же массиве данных, что и в случае табл. 3.1. Для каждой проверки из массива случайно выбирали по 300 масс-спектров. В результате трех процедур рандомизации были составлены три варианта обучающей и экзаменационной выборок, состав которых указан в нижней части табл. 4.6. Пороговые логические элементы с 2 = 50 в каждом случае для достижения 100%-ного распознавания требуют больше коррекций, но каждый раз они обеспечивают повышение прогнозирующей способности. Такие пороговые логические элементы с 2 = 50 способны правильно классифицировать 95,0, 95,8 и 96,0% полностью неизвестных образов из экзаменационной выборки (остальные данные табл. 4.6 обсуждаются ниже). [c.64]

В обучающей последовательности ансамбли n-мерных векторов ХЛоб представляют собой молекулы обучающей выборки одного образа и ХВоб другого образа. Кроме того, должна существовать экзаменационная выборка для каждого из образов Лэкз и ХБэкз . [c.64]

Справочник химика 21

Химия и химическая технология