mirror of https://github.com/coder2gwy/coder2gwy
增加行测/图推/图推是个什么问题
parent
3031ec71d3
commit
29313be5ec
|
@ -0,0 +1,26 @@
|
|||
### 从程序员的角度认识图推问题
|
||||
|
||||
图推问题是典型的机器学习中的分类问题。所以图推有三个问题至关重要,一是从图形中能提取出哪些特征;二是从这些特征对应到相应的类别;三是建立由一个样本的特征向量对应到相应类别的分类器。
|
||||
|
||||
对于第一个问题,机构大多提出了以下特征:
|
||||
- 前后图形是否组成相同
|
||||
- 前后图形中元素是否重复出现
|
||||
- 是否没有相同图形和相似图形
|
||||
- 图形是否杂乱
|
||||
|
||||
对于第二个问题,图形的类别按大类分,可以分为:
|
||||
- 位置规律
|
||||
- 样式规律
|
||||
- 属性规律
|
||||
- 数量规律
|
||||
- 空间重构
|
||||
每个大类又可以继续划分类别,比如数量规律又能分为点、线、角、面、素等等。
|
||||
|
||||
对于第三个问题,可以搜索网上的文章,说的很细,同一特征,因为类别很多,所以还会产生遍历类别的问题,这个问题有点像是朴素贝叶斯分类的思想,选那个概率最大的类别作为最终分类。例如像上面的数量规律,它是点、线、角、面的概率并不是均等的,遍历时需要先遍历概率大的分类。
|
||||
|
||||
#### 总结
|
||||
做图推题是这样一个过程:1.人眼观察图形,脑子里识别特征出向量;2.从特征向量迅速对应到类别的大类,例如数量规律;3.再对大的类别下的小分类进行遍历,遍历要从概率高的开始,例如我觉得面的概率就比点数的概率大。
|
||||
|
||||
重复这个过程,直到把你的大脑训练成一个快速的分类器。
|
||||
|
||||
|
Loading…
Reference in New Issue