是否可以通过比较示例训练分类器？

Question

我正在寻找可以通过比较示例学习的ML算法

我举了一个实例：

输入中有4个数字，表示我在显示器上看到的颜色

也许这些数字是CMYK格式，但并不重要。 机器学习的美妙之处在于： 做某事，不知道传入的号码是什么

我想要的输出是输入颜色接近绿色

的百分比

我见过几十个例子， 他们建议用什么来解决问题 机器学习监督分类

然后准备这种培训表：

color               x1  x2  x3  x4  y1
White               .   .   .   .   0
very light green    .   .   .   .   0.3
light green         .   .   .   .   0.6
Green               .   .   .   .   1

之后我的群集将能够处理绿色的百分比：

完美！我想要的输出就是这样：

4个数字x1..4接近我的目标y1（绿色）的百分比估计值

我的问题是我无法以这种方式建立培训。

我所拥有的培训数据是两项措施之间的比较。

例如

在浅绿色和浅绿色之间，您必须选择浅绿色

假设这个惯例：

light green:          {a1, a2, a3, a4}
very light green:     {b1, b2, b3, b4}
y:
                       0 = NO this is not good;
                       1 = YES, choose this !!!

我可以提供以这种方式制作的数据培训：

[  
  {  b1, b2, b3, b4,  0  },
  {  a1, a2, a3, a4,  1  }
]

你能帮助我吗？

是否可以通过比较示例训练分类器？

谢谢

Answer 1

您的训练集应包含8个功能 x1 ，...， x8 。从表格的每个比较对

  

[{b1，b2，b3，b4,0}，{a1，a2，a3，a4,1}}

您可以按如下方式提取两个训练数据样本：

  

x1 x2 x3 x4 x5 x6 x7 x8 y
  b1 b2 b3 b4 a1 a2 a3 a4 0
  a1 a2 a3 a4 b1 b2 b3 b4 1

对每对比较重复此过程，您将获得完整的训练集。然后你可以训练你的分类器。

未知比较对上的预测值（分类器的概率）可以被解释为与对应于最后4个特征的颜色相比，对应于前4个特征的颜色更接近绿色的概率。 / p>

以上假设 x1 ，...， x4 和 x5 ，...， x8 使用相同的表示。