Методы классификации в машинном обучении
Существует некая задача классификации: на обучение классификатор получает массив строк в качестве класса и некоторые числа в качестве параметров.
Есть ли такие методы, не используя нейросетей, которые позволяют классифицировать подобные выборки? В каком направлении двигаться?
Пример:
Обучение:
RW, LW, CAM -> 75,45,22,78,98,76
CB -> 56,54,66,77,25,56
CB,RB,RCB -> 45,56,78,97,44,22
CAM,CM,CDM -> 34,45,65,77,88,93
Предсказание:
34,56,76,88,99,23 -> CAM,CM,RW
24,56,90,98,77,66 -> ST,LW,RW
34,45,87,98,77,55 -> RB,CB
Не могу решить задачу, тк пока не знаю про методы с несколькими классами для объекта.
Буду благодарен советам!
Ответы (1 шт):
Это совершенно классическая, можно сказать - базовая задача теории классификации. Изложена в любой даже не книге, а в любом блоге по машинному обучению. Находиться в один клик: https://ru.wikipedia.org/wiki/Задача_классификации https://tproger.ru/translations/scikit-learn-in-python/ https://evergreens.com.ua/ru/articles/classical-machine-learning.html https://wiki.loginom.ru/articles/classification-problem.html http://www.aiportal.ru/articles/autoclassification/methods-class.html
и.т.д. А вот какой именно метод использовать - решается на основе, как соответствующих теоретических ограничений, так и сравнения результатов их применения.