আমি কীভাবে দূরত্বকে (ইউক্লিডিয়ান) অনুরূপ স্কোর রূপান্তর করতে পারি

13

আমি মানে ক্লাস্টার স্পিকার ভয়েসেস ক্লাস্টারিং ব্যবহার করছি । যখন আমি ক্লাস্টার স্পিকার ডেটার সাথে আমার উচ্চারণের তুলনা করি (ইউক্লিডিয়ান দূরত্ব ভিত্তিক) গড় বিকৃতি। এই দূরত্বটি এর মধ্যে হতে পারে । আমি এই দূরত্বটিকে অনুরূপ স্কোর রূপান্তর করতে চাই । আমি কীভাবে এটি অর্জন করতে পারি দয়া করে আমাকে গাইড করুন। $k$ $[0,\infty]$ $[0,1]$

— মুহাম্মদ
সূত্র

16

তাহলে বিন্দু থেকে ইউক্লিডিয় দূরত্ব প্রতিনিধিত্ব করে বিন্দু , $d(p_1,p_2)$ $p_1$ $p_2$

\frac{1}{1 + d (p_{1}, p_{2})}

$\frac{1}{1 + d(p_1, p_2)}$

সাধারণত ব্যবহৃত হয়।

— TrynnaDoStat
সূত্র

আমি ভুল হলে দয়া করে আমাকে সংশোধন করুন, যদি আমাদের এবং যেখানে প্রতিটি এবং এর মাত্রা থাকে । তারপর আমরা যেমন, আদল বর্ণনা করতে পারেন ।

X = (x_{1}, x_{2}, x_{3}, . . ., x_{t})

$X = (x_1,x_2,x_3,...,x_t)$

Y = (Y_{1}, Y_{2}, Y_{3}, . . ., Y_{n})

$Y = (Y_1,Y_2,Y_3,...,Y_n)$

x

$x$

y

$y$

D

$D$

S i m i l a r i t y = \frac{1}{t} \sum_{i = 1}^{t} \frac{1}{1 + m i n D i s t a n c e (x_{i}, Y)}

$Similarity = \frac{1}{t} \sum\limits_{i=1}^t \frac{1}{ 1+ minDistance(x_i, Y)}$

— মুহাম্মদ

আমি বুঝেছি যে ডিনোমিনেটরের আরও 1 টি হ'ল শূন্য ত্রুটির দ্বারা ভাগ হওয়া এড়ানো। তবে আমি দেখতে পেয়েছি যে প্লাস ওয়ান মান অপ্রয়োজনীয়ভাবে ডি (পি 1, পি 2) মানগুলিকে প্রভাবিত করে যা 1 এর চেয়ে বেশি এবং শেষ পর্যন্ত মিলের স্কোরকে উল্লেখযোগ্যভাবে হ্রাস করে। এই কাজ করার জন্য অন্য উপায় আছে কি? হতে পারে s = 1-d (p1, p2)

— aamir23

9

আপনি ব্যবহার করতে পারেন: যেখানেআপনার পছন্দসই দূরত্ব ফাংশন। $\frac{1}{e^{dist}}$ dist

— অপরিশোধিত ব্যতিক্রম
সূত্র

আপনি কি দয়া করে এই সমীকরণ সম্পর্কিত কোনও রেফারেন্স বই / ডকুমেন্টেশন দিতে পারেন যা আপনি এটি পেয়েছেন? @ ডৌগল

— জাস্টলাইফ

অ্যানিমেশকুমারপল আমি এই উত্তরটি লিখিনি, স্রেফ এর বিন্যাসকে উন্নত করেছি। তবে এটি প্রায়শই একটি "জেনারালাইজড আরবিএফ কার্নেল" এর সংস্করণ হিসাবে ব্যবহৃত হয়; যেমন এখানে দেখুন । এই প্রশ্নটি আউটপুটটি ইতিবাচক নির্দিষ্ট কর্নেল কিনা তা উদ্বেগ করে; যদি আপনি এটি সম্পর্কে চিন্তা না করেন তবে এটি কমপক্ষে মিলের একটি স্বজ্ঞাত ধারণাটি সন্তুষ্ট করে যে আরও দূরবর্তী পয়েন্টগুলি কম মিল।

— ডগল

@ জাস্ট লাইফ: গুগল এই "দূরত্বের এনসাইক্লোপিডিয়া" এর জন্য এবং পিডিএফ ডকুমেন্টের সাথে ফলাফলটি বাছাই করে।

— ব্যতিক্রম

7

দেখে মনে হচ্ছে আপনি কোজিনের মিলের অনুরূপ কিছু চান যা এটি নিজেই ইউনিটের ব্যবধানে একটি মিলের স্কোর। আসলে, ইউক্লিডিয়ান দূরত্ব এবং কোসাইন মিলের মধ্যে সরাসরি সম্পর্ক বিদ্যমান!

পর্যবেক্ষণ করুন

| | x - x^{'} | |^{2} = (x - x^{'})^{T} (x - x^{'}) = | | x | | + | | x^{'} | | - 2 | | x - x^{'} | | .

$||x-x^\prime||^2=(x-x^\prime)^T(x-x^\prime)=||x||+||x^\prime||-2||x-x^\prime||.$

যদিও কোজিনের সাদৃশ্যটি যেখানেমধ্যে কোণ হলএবং।

f (x, x^{'}) = \frac{x^{T} x^{'}}{| | x | | | | x^{'} | |} = \cos (θ)

$f(x,x^\prime)=\frac{x^T x^\prime}{||x||||x^\prime||}=\cos(\theta)$

θ

$\theta$

x

$x$

x^{'}

$x^\prime$

$||x||=||x^\prime||=1,$

| | x - x^{'} | |^{2} = 2 (1 - f (x, x^{'}))

$||x-x^\prime||^2=2(1-f(x,x^\prime))$

f (x, x^{'}) = x^{T} x^{'},

$f(x,x^\prime)=x^T x^\prime,$

সুতরাং

1 - \frac{| | x - x^{'} | |^{2}}{2} = f (x, x^{'}) = \cos (θ)

$1-\frac{||x-x^\prime||^2}{2}=f(x,x^\prime)=\cos(\theta)$

একটি গণনামূলক দৃষ্টিকোণ থেকে, ইউক্লিডিয়ান দূরত্বের চেয়ে কেবল কোসাইন গণনা করা এবং তারপরে রূপান্তর সম্পাদন করা আরও দক্ষ হতে পারে।

— সাইকোরাক্স মনিকাকে রিইনস্টেট বলে
সূত্র

3

গাউসির কর্নেল কেমন ?

$K(x, x') = \exp\left( -\frac{\| x - x' \|^2}{2\sigma^2} \right)$

দূরত্বউদ্দীপক ব্যবহার করা হয়। কার্নেলের মানটি । একটি টিউনিং প্যারামিটার রয়েছে । মূলত যদি উচ্চ হয় তবে কোনও জন্য 1 এর কাছাকাছি হবে । তাহলে কম, থেকে সামান্য দূরত্বে থেকে হতে হবে 0 পাসে হচ্ছে। $\|x - x'\|$ $[0, 1]$ $\sigma$ $\sigma$ $K(x, x')$ $x, x'$ $\sigma$ $x$ $x'$ $K(x,x')$

— wij
সূত্র

1

মনে রাখবেন যে এই উত্তর এবং @ হ্যান্ডেল্ড ব্যতিক্রমগুলি খুব সম্পর্কিত: এটি , যেখানে সেই একটি [একটি স্কেলিং ফ্যাক্টর প্রবর্তন] is , মেট্রিক হিসাবে with সহ গাউসিয়ান কার্নেল । এটি এখনও একটি বৈধ কার্নেল হবে , যদিও অপরিহার্যভাবে এটিকে যত্নশীল করে না।

\exp (- γ d (x, x^{'})^{2})

$\exp\left( - \gamma d(x, x')^2 \right)$

\exp (- γ d (x, x^{'}))

$\exp\left( - \gamma d(x, x') \right)$

\sqrt{d}

$\sqrt{d}$

— দুগল

0

আপনি যদি হেলিংগার দূরত্বের মতো স্বাভাবিকভাবে 0 এবং 1 এর মধ্যে দূরত্বের মেট্রিক ব্যবহার করেন are তারপরে সাদৃশ্য পেতে আপনি 1 - দূরত্ব ব্যবহার করতে পারেন।

— সরু চেপটা পেরেক-বিশেষ
সূত্র