AODE 分類器の特徴
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2012/11/24 01:46 UTC 版)
単純ベイズ分類器と同様に、AODE はモデル選択を行わないため、バリアンスが小さい。また、新しい事例が追加された場合に、その情報を反映して分類器を更新することも可能である。 AODE の学習時間の時間計算量は であり、分類時間の時間計算量は である。ここで、n は特徴変数の個数であり、l は訓練事例数であり、k はクラスの個数である。高次元のデータへ適用した場合には実行不可能になるという制限はあるものの、訓練事例数に対して線形のオーダーであり、大量の訓練事例を効率的に処理することが可能である。
※この「AODE 分類器の特徴」の解説は、「AODE」の解説の一部です。
「AODE 分類器の特徴」を含む「AODE」の記事については、「AODE」の概要を参照ください。
ウィキペディア小見出し辞書の「AODE 分類器の特徴」の項目はプログラムで機械的に意味や本文を生成しているため、不適切な項目が含まれていることもあります。ご了承くださいませ。
お問い合わせ。
- AODE 分類器の特徴のページへのリンク
