| http://dbpedia.org/ontology/abstract
|
У галузі машинного навчання метою статисти … У галузі машинного навчання метою статистичної класифікації є використання характеристик об'єкту для ідентифікації класу (або групи), до якої він належить. Ліні́йний класифіка́тор (англ. linear classifier) досягає цього ухваленням рішення про класифікацію на основі значення лінійної комбінації цих характеристик. Характеристики об'єкту відомі також як значення ознак, і зазвичай представляються машині у векторі, що називається вектором ознак. Такі класифікатори добре працюють для таких практичних задач, як класифікація документів, і, загальніше, для задач із багатьма змінними (ознаками), досягаючи рівнів точності, порівнянних з нелінійними класифікаторами, у той же час беручи менше часу на тренування та застосування. менше часу на тренування та застосування.
, In the field of machine learning, the goal … In the field of machine learning, the goal of statistical classification is to use an object's characteristics to identify which class (or group) it belongs to. A linear classifier achieves this by making a classification decision based on the value of a linear combination of the characteristics. An object's characteristics are also known as feature values and are typically presented to the machine in a vector called a feature vector. Such classifiers work well for practical problems such as document classification, and more generally for problems with many variables (features), reaching accuracy levels comparable to non-linear classifiers while taking less time to train and use.s while taking less time to train and use.
, 線形分類器（英: Linear classifier）は、特徴の線形結合の値に基づいて分類を行う確率的分類器である。機械学習において、分類は項目群を特徴値に基づいてグループに分類することを目的とする。
, En apprentissage automatique, les classifi … En apprentissage automatique, les classifieurs linéaires sont une famille d'algorithmes de classement statistique. Le rôle d'un classifieur est de classer dans des groupes (des classes) les échantillons qui ont des propriétés similaires, mesurées sur des observations. Un classifieur linéaire est un type particulier de classifieur, qui calcule la décision par combinaison linéaire des échantillons.par combinaison linéaire des échantillons.
, 在機器學習領域，分類的目標是指將具有相似特徵的对象聚集。而一個線性分類器則透過特徵的線性組合來做出分類決定，以達到此種目的。对象的特征通常被描述为特征值，而在向量中则描述为特征向量。
, Linjär klassificerare är en enkel form av klassificerare.
, 기계 학습 분야에서 통계적 분류는 개체의 속성을 이용하여 그 개체가 속하는 그룹, 또는 클래스를 판별하는 것을 목표로 한다. 선형 분류에서는 주어진 속성의 선형결합을 바탕으로 분류를 수행한다. 개체의 속성은 피처 값이라고 부르기도 하는데, 보통 라는 벡터 형태로 제공한다.
, Nel campo dell'apprendimento automatico, l … Nel campo dell'apprendimento automatico, l'obiettivo della classificazione statistica è utilizzare le caratteristiche di un oggetto per identificare a quale classe (o gruppo) appartiene. Un classificatore lineare realizza ciò prendendo una decisione di classificazione basata sul valore di una combinazione lineare delle caratteristiche. Le caratteristiche di un oggetto sono anche conosciute come valori di caratteristiche e sono tipicamente presentate alla macchina in un vettore chiamato vettore di caratteristiche. Questi classificatori funzionano bene per problemi pratici come la classificazione dei documenti e, più in generale, per problemi con molte variabili (caratteristiche), raggiungendo livelli di accuratezza paragonabili ai classificatori non lineari mentre richiedono meno tempo per allenarsi ed essere usati. meno tempo per allenarsi ed essere usati.
, Линейный классификатор — способ решения за … Линейный классификатор — способ решения задач классификации, когда решение принимается на основании линейного оператора над входными данными. Класс задач, которые можно решать с помощью линейных классификаторов, обладают, соответственно, свойством линейной сепарабельности.венно, свойством линейной сепарабельности.
, En el campo del aprendizaje automático, el … En el campo del aprendizaje automático, el objetivo del aprendizaje supervisado es usar las características de un objeto para identificar a qué clase (o grupo) pertenece. Un clasificador lineal logra esto tomando una decisión de clasificación basada en el valor de una combinación lineal de sus características. Las características de un objeto son típicamente presentadas en un vector llamado vector de características. vector llamado vector de características.
, Dalam pemelajaran mesin, pengklasifikasi l … Dalam pemelajaran mesin, pengklasifikasi linear adalah klasifikasi yang mengambil keputusan berdasarkan nilai kombinasi linear dari sifat-sifatnya. Sifat-sifat suatu objek disebut juga nilai fitur (ciri) dan biasa dinyatakan dalam vektor yang disebut . Pengklasifikasi ini bekerja dengan baik untuk permasalahan praktis seperti klasifikasi dokumen dan masalah-masalah yang memiliki banyak variabel hingga mencapai tingkat akurasi yang sekelas dengan pengklasifikasi nonlinear dengan waktu pelatihan yang lebih sedikit.dengan waktu pelatihan yang lebih sedikit.
|
| http://dbpedia.org/ontology/thumbnail
|
http://commons.wikimedia.org/wiki/Special:FilePath/Svm_separating_hyperplanes.png?width=300 +
|
| http://dbpedia.org/ontology/wikiPageExternalLink
|
http://citeseer.ist.psu.edu/yang99reexamination.html +
|
| http://dbpedia.org/ontology/wikiPageID
|
98974
|
| http://dbpedia.org/ontology/wikiPageLength
|
9064
|
| http://dbpedia.org/ontology/wikiPageRevisionID
|
1093094925
|
| http://dbpedia.org/ontology/wikiPageWikiLink
|
http://dbpedia.org/resource/Conditional_probability_distribution +
, http://dbpedia.org/resource/Support_vector_machines +
, http://dbpedia.org/resource/One-form +
, http://dbpedia.org/resource/Document_classification +
, http://dbpedia.org/resource/Category:Statistical_classification +
, http://dbpedia.org/resource/L-BFGS +
, http://dbpedia.org/resource/Kernel_trick +
, http://dbpedia.org/resource/Perceptron +
, http://dbpedia.org/resource/Quadratic_classifier +
, http://dbpedia.org/resource/Training_set +
, http://dbpedia.org/resource/Log_loss +
, http://dbpedia.org/resource/Linear_discriminant_analysis +
, http://dbpedia.org/resource/Dot_product +
, http://dbpedia.org/resource/Unsupervised_learning +
, http://dbpedia.org/resource/Linear_functional +
, http://dbpedia.org/resource/Joint_probability_distribution +
, http://dbpedia.org/resource/Margin_%28machine_learning%29 +
, http://dbpedia.org/resource/Regularization_%28mathematics%29 +
, http://dbpedia.org/resource/Principal_components_analysis +
, http://dbpedia.org/resource/Winnow_%28algorithm%29 +
, http://dbpedia.org/resource/Backpropagation +
, http://dbpedia.org/resource/Loss_function +
, http://dbpedia.org/resource/Linear_combination +
, http://dbpedia.org/resource/Real_number +
, http://dbpedia.org/resource/Supervised_learning +
, http://dbpedia.org/resource/Features_%28pattern_recognition%29 +
, http://dbpedia.org/resource/Convex_function +
, http://dbpedia.org/resource/Document-term_matrix +
, http://dbpedia.org/resource/Newton_method +
, http://dbpedia.org/resource/Logistic_regression +
, http://dbpedia.org/resource/Overfitting +
, http://dbpedia.org/resource/Gradient_descent +
, http://dbpedia.org/resource/Generative_model +
, http://dbpedia.org/resource/Feature_vector +
, http://dbpedia.org/resource/Normal_distribution +
, http://dbpedia.org/resource/Category:Classification_algorithms +
, http://dbpedia.org/resource/Dimensionality_reduction +
, http://dbpedia.org/resource/Hyperplane +
, http://dbpedia.org/resource/Optimization_algorithm +
, http://dbpedia.org/resource/File:Svm_separating_hyperplanes.png +
, http://dbpedia.org/resource/Stochastic_gradient_descent +
, http://dbpedia.org/resource/Regularization_%28machine_learning%29 +
, http://dbpedia.org/resource/Discriminative_model +
, http://dbpedia.org/resource/Machine_learning +
, http://dbpedia.org/resource/Convex_optimization +
, http://dbpedia.org/resource/Coordinate_descent +
, http://dbpedia.org/resource/Naive_Bayes_classifier +
, http://dbpedia.org/resource/Hinge_loss +
, http://dbpedia.org/resource/Statistical_classification +
, http://dbpedia.org/resource/Linear_regression +
, http://dbpedia.org/resource/Support_vector_machine +
, http://dbpedia.org/resource/High-dimensional_space +
|
| http://dbpedia.org/property/wikiPageUsesTemplate
|
http://dbpedia.org/resource/Template:R +
, http://dbpedia.org/resource/Template:ISBN +
, http://dbpedia.org/resource/Template:Mvar +
, http://dbpedia.org/resource/Template:Rp +
, http://dbpedia.org/resource/Template:Citation_needed +
, http://dbpedia.org/resource/Template:Short_description +
, http://dbpedia.org/resource/Template:Math +
|
| http://purl.org/dc/terms/subject
|
http://dbpedia.org/resource/Category:Classification_algorithms +
, http://dbpedia.org/resource/Category:Statistical_classification +
|
| http://www.w3.org/ns/prov#wasDerivedFrom
|
http://en.wikipedia.org/wiki/Linear_classifier?oldid=1093094925&ns=0 +
|
| http://xmlns.com/foaf/0.1/depiction
|
http://commons.wikimedia.org/wiki/Special:FilePath/Svm_separating_hyperplanes.png +
|
| http://xmlns.com/foaf/0.1/isPrimaryTopicOf
|
http://en.wikipedia.org/wiki/Linear_classifier +
|
| owl:sameAs |
http://dbpedia.org/resource/Linear_classifier +
, https://global.dbpedia.org/id/2WhGA +
, http://ca.dbpedia.org/resource/Classificador_lineal +
, http://it.dbpedia.org/resource/Classificatore_lineare +
, http://yago-knowledge.org/resource/Linear_classifier +
, http://zh.dbpedia.org/resource/%E7%BA%BF%E6%80%A7%E5%88%86%E7%B1%BB%E5%99%A8 +
, http://ja.dbpedia.org/resource/%E7%B7%9A%E5%BD%A2%E5%88%86%E9%A1%9E%E5%99%A8 +
, http://www.wikidata.org/entity/Q2679259 +
, http://ru.dbpedia.org/resource/%D0%9B%D0%B8%D0%BD%D0%B5%D0%B9%D0%BD%D1%8B%D0%B9_%D0%BA%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%82%D0%BE%D1%80 +
, http://uk.dbpedia.org/resource/%D0%9B%D1%96%D0%BD%D1%96%D0%B9%D0%BD%D0%B8%D0%B9_%D0%BA%D0%BB%D0%B0%D1%81%D0%B8%D1%84%D1%96%D0%BA%D0%B0%D1%82%D0%BE%D1%80 +
, http://fa.dbpedia.org/resource/%D8%B7%D8%A8%D9%82%D9%87_%D8%A8%D9%86%D8%AF%DB%8C_%D8%AE%D8%B7%DB%8C +
, http://id.dbpedia.org/resource/Pengklasifikasi_linear +
, http://rdf.freebase.com/ns/m.0p9jn +
, http://sv.dbpedia.org/resource/Linj%C3%A4r_klassificerare +
, http://es.dbpedia.org/resource/Clasificador_lineal +
, http://ko.dbpedia.org/resource/%EC%84%A0%ED%98%95_%EB%B6%84%EB%A5%98 +
, http://fr.dbpedia.org/resource/Classifieur_lin%C3%A9aire +
|
| rdf:type |
http://dbpedia.org/class/yago/Activity100407535 +
, http://dbpedia.org/class/yago/Rule105846932 +
, http://dbpedia.org/class/yago/PsychologicalFeature100023100 +
, http://dbpedia.org/class/yago/Procedure101023820 +
, http://dbpedia.org/class/yago/YagoPermanentlyLocatedEntity +
, http://dbpedia.org/class/yago/WikicatClassificationAlgorithms +
, http://dbpedia.org/class/yago/Abstraction100002137 +
, http://dbpedia.org/class/yago/Event100029378 +
, http://dbpedia.org/class/yago/Algorithm105847438 +
, http://dbpedia.org/class/yago/Act100030358 +
|
| rdfs:comment |
Nel campo dell'apprendimento automatico, l … Nel campo dell'apprendimento automatico, l'obiettivo della classificazione statistica è utilizzare le caratteristiche di un oggetto per identificare a quale classe (o gruppo) appartiene. Un classificatore lineare realizza ciò prendendo una decisione di classificazione basata sul valore di una combinazione lineare delle caratteristiche. Le caratteristiche di un oggetto sono anche conosciute come valori di caratteristiche e sono tipicamente presentate alla macchina in un vettore chiamato vettore di caratteristiche. Questi classificatori funzionano bene per problemi pratici come la classificazione dei documenti e, più in generale, per problemi con molte variabili (caratteristiche), raggiungendo livelli di accuratezza paragonabili ai classificatori non lineari mentre richiedono meno tempo per lineari mentre richiedono meno tempo per
, У галузі машинного навчання метою статисти … У галузі машинного навчання метою статистичної класифікації є використання характеристик об'єкту для ідентифікації класу (або групи), до якої він належить. Ліні́йний класифіка́тор (англ. linear classifier) досягає цього ухваленням рішення про класифікацію на основі значення лінійної комбінації цих характеристик. Характеристики об'єкту відомі також як значення ознак, і зазвичай представляються машині у векторі, що називається вектором ознак. Такі класифікатори добре працюють для таких практичних задач, як класифікація документів, і, загальніше, для задач із багатьма змінними (ознаками), досягаючи рівнів точності, порівнянних з нелінійними класифікаторами, у той же час беручи менше часу на тренування та застосування. менше часу на тренування та застосування.
, 在機器學習領域，分類的目標是指將具有相似特徵的对象聚集。而一個線性分類器則透過特徵的線性組合來做出分類決定，以達到此種目的。对象的特征通常被描述为特征值，而在向量中则描述为特征向量。
, Линейный классификатор — способ решения за … Линейный классификатор — способ решения задач классификации, когда решение принимается на основании линейного оператора над входными данными. Класс задач, которые можно решать с помощью линейных классификаторов, обладают, соответственно, свойством линейной сепарабельности.венно, свойством линейной сепарабельности.
, En apprentissage automatique, les classifi … En apprentissage automatique, les classifieurs linéaires sont une famille d'algorithmes de classement statistique. Le rôle d'un classifieur est de classer dans des groupes (des classes) les échantillons qui ont des propriétés similaires, mesurées sur des observations. Un classifieur linéaire est un type particulier de classifieur, qui calcule la décision par combinaison linéaire des échantillons.par combinaison linéaire des échantillons.
, In the field of machine learning, the goal … In the field of machine learning, the goal of statistical classification is to use an object's characteristics to identify which class (or group) it belongs to. A linear classifier achieves this by making a classification decision based on the value of a linear combination of the characteristics. An object's characteristics are also known as feature values and are typically presented to the machine in a vector called a feature vector. Such classifiers work well for practical problems such as document classification, and more generally for problems with many variables (features), reaching accuracy levels comparable to non-linear classifiers while taking less time to train and use.s while taking less time to train and use.
, Linjär klassificerare är en enkel form av klassificerare.
, 기계 학습 분야에서 통계적 분류는 개체의 속성을 이용하여 그 개체가 속하는 그룹, 또는 클래스를 판별하는 것을 목표로 한다. 선형 분류에서는 주어진 속성의 선형결합을 바탕으로 분류를 수행한다. 개체의 속성은 피처 값이라고 부르기도 하는데, 보통 라는 벡터 형태로 제공한다.
, En el campo del aprendizaje automático, el … En el campo del aprendizaje automático, el objetivo del aprendizaje supervisado es usar las características de un objeto para identificar a qué clase (o grupo) pertenece. Un clasificador lineal logra esto tomando una decisión de clasificación basada en el valor de una combinación lineal de sus características. Las características de un objeto son típicamente presentadas en un vector llamado vector de características. vector llamado vector de características.
, 線形分類器（英: Linear classifier）は、特徴の線形結合の値に基づいて分類を行う確率的分類器である。機械学習において、分類は項目群を特徴値に基づいてグループに分類することを目的とする。
, Dalam pemelajaran mesin, pengklasifikasi l … Dalam pemelajaran mesin, pengklasifikasi linear adalah klasifikasi yang mengambil keputusan berdasarkan nilai kombinasi linear dari sifat-sifatnya. Sifat-sifat suatu objek disebut juga nilai fitur (ciri) dan biasa dinyatakan dalam vektor yang disebut . Pengklasifikasi ini bekerja dengan baik untuk permasalahan praktis seperti klasifikasi dokumen dan masalah-masalah yang memiliki banyak variabel hingga mencapai tingkat akurasi yang sekelas dengan pengklasifikasi nonlinear dengan waktu pelatihan yang lebih sedikit.dengan waktu pelatihan yang lebih sedikit.
|
| rdfs:label |
线性分类器
, 線形分類器
, Linear classifier
, Classificatore lineare
, Clasificador lineal
, Pengklasifikasi linear
, 선형 분류
, Лінійний класифікатор
, Линейный классификатор
, Linjär klassificerare
, Classifieur linéaire
, Classificador lineal
|
