线性分类器与神经网络在数据处理方面的应用
在机器学习诞生之时起,线性回归分类器便体现出优越的性能,然而,随着时代的进步,每类训练样本数量增大,线性分类器的速度变得很慢,也凸显了线性分类的一个致命弱点:对大样本数据束手无策.即当用于训练的样本数量大于样本的维数时,线性分类器会无法工作.解决的办法之一是对分类器作局部化处理从而对数据进行筛选,避免大样本数据问题的出现.然而,随着神经网络的兴起,对于大样本数据的处理,也有了更多的新兴的处理办法.
机器学习、线性回归分类器、局部化处理、神经网络、大样本数据
16
TP391(计算技术、计算机技术)
2020-07-16(万方平台首次上网日期,不代表论文的发表时间)
共3页
198-199,202