Machine learning 应用mod操作进行分类
我有一套数据。 对于简单的情况:Machine learning 应用mod操作进行分类,machine-learning,classification,linear-regression,Machine Learning,Classification,Linear Regression,我有一套数据。 对于简单的情况: value: 0, 3, 6, 8, 10, 13, 14 type: o, o, x, x, x, o, o 计划是使用一个简单的“阈值”进行分类。 我们的想法是应用mod+shift来更好地分类: ex,x=x模12 然后这组对就变成了 (value) % 12: 0, 1(13), 2(14), 3, 6, 8, 10 type: o, o, o, o, x, x, x 现在我们可
value: 0, 3, 6, 8, 10, 13, 14
type: o, o, x, x, x, o, o
计划是使用一个简单的“阈值”进行分类。
我们的想法是应用mod+shift来更好地分类:
ex,x=x模12
然后这组对就变成了
(value) % 12: 0, 1(13), 2(14), 3, 6, 8, 10
type: o, o, o, o, x, x, x
现在我们可以使用threshold=5进行分类,而不会出现错误
这种mod&shift分类算法有没有形式化的算法 警告:我在这一带有点生疏了 一些初步想法:
- 有一些人暗中做了类似的事情
- 径向基函数核是我可以考虑的一件事。或者只是一个简单的例子
- 模不能用作核,因为它必须是对偶(->核技巧)且必须是双射函数。但模数会丢失信息,无法“撤消”
Phi(x)=(x模N,x雷N)
据我所知,这是一个有效的特征映射函数。然后你可以把它应用到支持向量机上 这是个好主意。为什么您认为
mod
操作是合适的?从领域知识还是什么?