structure learning 介绍
通过train data 训练出出F(),之后test给你一个x遍历所有y带进去看看哪个更适当。x,y一对一对带进去。
用这个unified framework要解决下边三个问题。第二个问题是y的空间太大,遍历所有必须选个好的算法。
例子用object detection讲解structured learning。有更复杂的例子如找出图片中马的轮廓圈出来,和找出人所做的动作。下边学的东西都可以用到其他的任务里structure learning问题中。
下边的与w相乘的函数是人的定义它的。自己定义一套规则。w是train data 来train出来的。
w与fai做内积计算,带入x,一个一个遍历所有y看看哪个值最大。
test:给一个x,找出w与fai的内积最大此时的y就是正确答案。看起来比较花时间。
在下边讲解想象问题2已经解决,问题二是找到使F()值最大的y,这个算法已经有了。下边是解决问题二的算法。
问题3,我今天要找到F(x,y),就是x1和 y hat 1带进去,得到的比其他y带进去大。同理x2和y hat 2 带进去比其他y还要大。对所有train data做到这件事。 接下来集中解决问题3.
接下来要讲的东西目录。
假设可分情况下:真实的值都大于其他的值加上一个δ;找到这样的F(x,y)。F就是feature function。找到了就进行训练得到w。
用这个演算法(structure perceptron结构化感知器)来得到w。 花多久才更新出w。w更新就是每一次都离正确的y近一些,离错误的y远一点。找出w。
我们真的能找到w把红色的点和蓝色的点分开吗,可以的。找到w只需要R除以δ平方次就可以了。δ就是上边的真实值y比预测的y大了δ。R就是带进不同的x,y得到的feature vector fai它们之间距离的最大值。蓝色的点多少不会影响update w 的次数。
structured learning-structured svm
最新推荐文章于 2020-12-24 23:47:15 发布