醜小鴨定理計算機

醜小鴨定理是模式辨識中的一項結果：若不先假定哪些屬性重要，任何一對物件都同樣相似。渡邊慧提出此定理，揭露分類背後隱含的選擇。人們自然地認為兩件事物相似，是因為強調了某些特質，並忽略許多其他特質。設計者必須先提供特徵、權重或模型，電腦才能做出有意義的判斷。 本計算機以具名特徵集合提供實用的簡化示範。每個以半形逗號分隔的詞條都視為一項屬性。共有特徵數是兩集合交集的大小，相異特徵總數則是聯集的大小。顯示百分比採傑卡德相似度：交集大小除以聯集大小，再乘以100。相同清單得到百分之百，完全不重疊則為零，部分重疊介於兩者之間。 這項計算不能證明某物件客觀上更像另一個物件，而是呈現結果如何取決於使用者選擇的詞彙。用顏色與大小描述鳥類可能得到一種排序，改用棲地、遺傳標記或行為則可能得到另一種。新增、移除、拆分或合併特徵，都會改變數學空間，也可能改變所有比較結果。即使看似客觀的測量，也涉及儀器、尺度、門檻及遺漏資料的選擇。在下結論前比較多組特徵清單，有助於看清這些建模決策。 這個原則在機器學習、分群、資訊檢索與科學分類學中都很重要。模型透過訓練資料、距離函數、特徵工程和參數選擇納入假設。這些假設可能有用，但從不中立。因此，相似度分數必須放在所選表示方式的脈絡下解讀。使用本工具測試特徵清單、觀察重疊如何變化，並討論分類系統判定何謂相似時，為何領域知識不可或缺。