Читать онлайн

Дерево решений — это один из алгоритмов машинного обучения, у которого есть ряд преимуществ (хорошая интерпретация, возможность работы с разными типами данных, автоматическое формирование правил и пр.). В некоторых задачах, где набор данных ограничен, а признаки связаны между собой (например, в задаче атрибуции текстов), можно при построении условий в узлах модели использовать не одиночные признаки, а их линейные комбинации. С учетом этого в статье изложено развитие метода «дерево решений», которое заключается в том, что к старым k признакам добавляются новые признаки как линейные комбинации двух исходных: xij = αxi ± (1 − α)xj, где i, j = 1,…, k и параметр α ∈ [0, 1]. Для проведения численных экспериментов на примере задачи атрибуции текстов выполнена реализация построения линейных комбинаций признаков в информационной системе СМАЛТ («Статистические методы анализа литературного текста»). Результаты классификации дореволюционных текстов из журналов «Время», «Эпоха» и еженедельника «Гражданин» с использованием разных видов n-грамм показали, что данное улучшение повышает точность метода, при этом несущественно снижает интерпретацию полученного результата.

Ключевые фразы: машинное обучение, ДЕРЕВО РЕШЕНИЙ, линейная ком- бинация признаков, атрибуция текстов, n-граммы, информационная система смалт
Автор (ы): Рогов Александр Александрович (Rogov A. A.), Кулаков Кирилл Александрович (Kulakov K. A.), Москин Николай Дмитриевич (Moskin N. D.)
Журнал: ТРУДЫ КАРЕЛЬСКОГО НАУЧНОГО ЦЕНТРА РОССИЙСКОЙ АКАДЕМИИ НАУК

Предпросмотр статьи

Идентификаторы и классификаторы

SCI
Математика
УДК
004.85. Обучение
Для цитирования:
РОГОВ А. А., КУЛАКОВ К. А., МОСКИН Н. Д. ДЕРЕВЬЯ РЕШЕНИЙ С ЛИНЕЙНОЙ КОМБИНАЦИЕЙ ПРИЗНАКОВ // ТРУДЫ КАРЕЛЬСКОГО НАУЧНОГО ЦЕНТРА РОССИЙСКОЙ АКАДЕМИИ НАУК. 2026. № 6
Текстовый фрагмент статьи
Будьте первым, кто начнет обсуждение

Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.