Mathematical Programming:Linear pro

Mathematical Programming:

Linear programming has been used for building adaptive classifiers since late 1960s [156]. Given two possibly interesecting sets of points, Duda and Hart [81] proposed a linear programming formulation for finding the split whose distance from the misclassified points is minimized. More recently, Mangasarian and Bennett used linear and quadratic programming techniques to build machine learning systems in general and decision trees in particular [228,21,19,226,20]. Use of zero-one integer programming for designing vector quantizers can be found in [213]. Brown and Pittard [34] also employed linear programming for finding optimal multivariate splits at classification tree nodes. Almost all the above papers attempt to minimize the distance of the misclassified points from the decision boundary. In that sense, these methods are more similar to perceptron training methods [244], than to decision tree splitting criteria. Mangasarian [227] describes a linear programming formulation to minimize the number of misclassified points instead of the geometric distance.

ผลลัพธ์ (ไทย) 1:

การเขียนโปรแกรมคณิตศาสตร์:มีการใช้กำหนดการเชิงเส้นสำหรับการสร้างคำนามภาษาที่เหมาะสมตั้งแต่ปลาย 1960s [156] ให้สองอาจกำหนดเป็นโปรแกรมเชิงเส้นหาแยกย่อซึ่งห่างจากจุดที่งานนำเสนอชุด interesecting คะแนน Duda และฮาร์ท [81] เมื่อเร็ว ๆ นี้ Mangasarian และเบนเนตกันเชิงเส้น และกำลังสองเทคนิคการเขียนโปรแกรมเพื่อสร้างการเรียนรู้ต้นไม้ตัดสินใจและระบบทั่วไปโดยเฉพาะอย่างยิ่งเครื่อง [228,21,19,226,20] ใช้เขียนโปรแกรมสำหรับออกแบบเวกเตอร์ quantizers เต็มศูนย์หนึ่งที่สามารถพบได้ใน [213] น้ำตาลและ Pittard [34] ยังจ้างหา multivariate เหมาะสมแยกที่โหนดแผนภูมิประเภทการเขียนโปรแกรมเชิงเส้น เอกสารข้างต้นเกือบทั้งหมดพยายามลดระยะห่างของจุดงานจากขอบเขตการตัดสินใจ วิธีการเหล่านี้จะไม่มากเหมือนกับเพอร์เซปตรอนฝึกวิธี [244], กว่าการแบ่งเกณฑ์ต้นไม้การตัดสินใจ ใน Mangasarian [227] อธิบายการกำหนดโปรแกรมเชิงเส้นเพื่อลดจำนวนจุดงานแทนระยะทางเรขาคณิต

ผลลัพธ์ (ไทย) 2:

คณิตศาสตร์การเขียนโปรแกรม: โปรแกรมเชิงเส้นได้ถูกนำมาใช้สำหรับการสร้างตัวจําแนกการปรับตัวตั้งแต่ช่วงปลายทศวรรษ 1960 [156] ให้สองอาจ interesecting ชุดของจุด Duda และฮาร์ต [81] เสนอสูตรการเขียนโปรแกรมเชิงเส้นสำหรับการค้นหาแยกที่มีระยะทางจากจุดแบ่งจะลดลง เมื่อเร็ว ๆ นี้ Mangasarian เบนเน็ตต์และใช้เส้นและเทคนิคการเขียนโปรแกรมกำลังสองที่จะสร้างระบบการเรียนรู้เครื่องทั่วไปและการตัดสินใจของต้นไม้โดยเฉพาะอย่างยิ่ง [228,21,19,226,20] ใช้ในการเขียนโปรแกรมจำนวนเต็มศูนย์หนึ่งสำหรับการออกแบบ quantizers เวกเตอร์สามารถพบได้ใน [213] บราวน์และ Pittard [34] นอกจากนี้ยังมีการจ้างงานการเขียนโปรแกรมเชิงเส้นสำหรับการค้นหาแยกหลายตัวแปรที่ดีที่สุดที่โหนดต้นไม้การจัดหมวดหมู่ เกือบทั้งหมดเอกสารข้างต้นพยายามที่จะลดระยะทางจากจุดแบ่งเขตแดนตัดสินใจ ในแง่ที่ว่าวิธีการเหล่านี้มีมากขึ้นคล้ายกับวิธีการฝึกอบรม Perceptron [244] กว่าจะตัดสินใจเกณฑ์ที่แยกต้นไม้ Mangasarian [227] อธิบายการกำหนดโปรแกรมเชิงเส้นเพื่อลดจำนวนของจุดแบ่งแทนระยะทางเรขาคณิต

ผลลัพธ์ (ไทย) 3:

การโปรแกรมเชิงคณิตศาสตร์ :

โปรแกรมเชิงเส้นได้ถูกใช้เพื่อสร้างการปรับตัวที่มีตั้งแต่ปลาย 1960 [ 156 ] ได้รับสองอาจจะ interesecting จุดชุดดูดา , และ ฮาร์ท [ 81 ] เสนอการกำหนดโปรแกรมเชิงเส้นสำหรับการแยกที่มีระยะห่างจากจุด misclassified น้อยที่สุด เมื่อเร็วๆ นี้และใช้ mangasarian เบนเน็ตต์และเทคนิคการเขียนโปรแกรมเชิงเส้นกำลังสอง ในการสร้างระบบการเรียนรู้ด้วยเครื่องจักรทั่วไป และการตัดสินใจ โดยเฉพาะ 228,21,19226,20 [ ต้นไม้ ] ใช้ของศูนย์หนึ่งจำนวนเต็มการเขียนโปรแกรมสำหรับการออกแบบ quantizers เวกเตอร์สามารถพบได้ใน [ 213 ] สีน้ำตาลและ pittard [ 34 ] ใช้โปรแกรมเชิงเส้นหลายตัวแปรที่เหมาะสมสำหรับการแยกโหนดต้นไม้การจำแนกเกือบทั้งหมดเอกสารข้างต้นพยายามที่จะลดระยะทางของ misclassified คะแนนจากการตัดสินใจเขตแดน ในแง่ที่ว่า วิธีการเหล่านี้มีมากขึ้นคล้ายกับธรรมดาวิธีการฝึกอบรม [ 244 ] กว่าต้นไม้การตัดสินใจแบ่งเกณฑ์ mangasarian [ 227 ] อธิบายการกำหนดโปรแกรมเชิงเส้นเพื่อลดจำนวนของ misclassified จุดแทนระยะทางเรขาคณิต