对分类器进行分类
我实现了一个分类器，
- 每次迭代都会接收一个参数对象进行分类，一些对象共享一个可分类的“属性”，例如颜色名称。
- 分类参数可能会改变，因此它们也被参数化 并在初始化时传递给该分类器。
- 分类器根据类型实现分类逻辑 可能的分类和要分类的对象。
我对某些文章中使用的词汇非常困惑：线性分类器、特征值和向量。
这是分类器的常见形式吗？ 在我的方法中，我没有看到向量，没有统计分类，没有层次分类，没有机器学习等。
哪种分类器适合计算机科学文献？
I've implemented a classifier which
- Each iteration receives a parameter object to classify, some objects share a classifiable "property" like a color name.
- Classification parameters could change, so they are parametrized too
and passed to this classifier at initialization time. - The classifier implements the classification logic based in the type
of possible classifications AND the object to classify.
I am VERY confused about the vocabulary used in some articles: Linear Classifier, Feature Values and Vectors.
Is this a common form of classifier?
In my approach I see no vectors, no statistical classifications, no hierarchical classificatoin, no machine learning, etc.
Which kind of classifier would be for the computer science literature?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
您的“参数对象”是一个特征向量。您的分类器显然不涉及训练，所以我想说它是一个基于规则的临时分类器。
Your "parameter object" is a feature vector. Your classifier apparently does not involve training so I'd say it's an ad hoc rule-based classifier.