会员服务
在具有两个类别的统计分类问题中，决策边界或决策面是将基础向量空间划分为两组的超曲面，每个类别一个。 分类器会将决策边界一侧的所有点归为一类，并将另一侧的所有点归为另一类。 决策边界是问题空间中分类器的输出标签不明确的区域。如果决策面是超平面，则分类问题是线性的，并且类别是线性可分离的。 决策界限并不总是很明确。 也就是说，从特征空间中的一个类到另一个类的过渡不是不连续的，而是渐进的。 这种效果在基于模糊逻辑的分类算法中很常见，其中一类或另一类的成员资格不明确。
Machine Explanations and Human Understanding
Arxiv
4+阅读 · 2023年5月1日
Automated Medical Coding on MIMIC-III and MIMIC-IV: A Critical Review and Replicability Study
Arxiv
0+阅读 · 2023年4月21日
Complex Mixer for MedMNIST Classification Decathlon
Arxiv
0+阅读 · 2023年4月20日
Effective Open Intent Classification with K-center Contrastive Learning and Adjustable Decision Boundary
Arxiv
0+阅读 · 2023年4月20日
Charting the Topography of the Neural Network Landscape with Thermal-Like Noise
Arxiv
0+阅读 · 2023年4月18日
Explicit Boundary Guided Semi-Push-Pull Contrastive Learning for Supervised Anomaly Detection
Arxiv
0+阅读 · 2023年4月7日
The Concept of Forward-Forward Learning Applied to a Multi Output Perceptron
The Concept of Forward-Forward Learning Applied to a Multi Output Perceptron
Arxiv
0+阅读 · 2023年4月6日
Hard Nominal Example-aware Template Mutual Matching for Industrial Anomaly Detection
Arxiv
0+阅读 · 2023年4月4日
Influential Rank: A New Perspective of Post-training for Robust Model against Noisy Labels
Arxiv
0+阅读 · 2023年4月4日
Hard Nominal Example-aware Template Mutual Matching for Industrial Anomaly Detection
Hard Nominal Example-aware Template Mutual Matching for Industrial Anomaly Detection
Arxiv
0+阅读 · 2023年3月29日
Hard Nominal Example-aware Template Mutual Matching for Industrial Anomaly Detection
Hard Nominal Example-aware Template Mutual Matching for Industrial Anomaly Detection
Arxiv
0+阅读 · 2023年3月28日
参考链接
微信扫码咨询专知VIP会员
Top