pull/50/merge
顾玮华 2021-01-16 19:53:39 +08:00 committed by GitHub
commit 6161bc693c
No known key found for this signature in database
GPG Key ID: 4AEE18F83AFDEB23
1 changed files with 26 additions and 0 deletions

View File

@ -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。