[AI Principle Analysis]—Υποστήριξη της Αρχής του Vector Machine
2024-07-08
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
Πίνακας περιεχομένων
1. Επισκόπηση του Support Vector Machine (SVM)
2. Υπερπλάνο και διάνυσμα στήριξης
3. Μεγιστοποιήστε το διάστημα
4. Πρόβλημα βελτιστοποίησης
5. Συνάρτηση πυρήνα
6. Περίληψη
1. Επισκόπηση του Support Vector Machine (SVM)
- ορισμός : Η μηχανή διανυσμάτων υποστήριξης είναι ένα εποπτευόμενο μοντέλο εκμάθησης που χρησιμοποιείται κυρίως για προβλήματα ταξινόμησης δεδομένων. Η βασική ιδέα είναι να χωριστούν τα σημεία δεδομένων μέσω ενός υπερεπίπεδου έτσι ώστε τα σημεία δεδομένων διαφορετικών κατηγοριών να βρίσκονται και στις δύο πλευρές του υπερεπιπέδου.
- Ταξινόμηση: Οι μηχανές διανυσμάτων υποστήριξης χωρίζονται κυρίως σε τρεις κατηγορίες: γραμμικά διαχωρίσιμες μηχανές διανυσμάτων υποστήριξης, μηχανές γραμμικών διανυσμάτων υποστήριξης και μηχανές μη γραμμικών διανυσμάτων υποστήριξης.
2. Υπερπλάνο και διάνυσμα στήριξης
- υπερπλάνο : Στον n-διάστατο χώρο, το υπερεπίπεδο είναι ένας n-1-διάστατος υποχώρος. Στον δισδιάστατο χώρο, είναι μια ευθεία γραμμή στον τρισδιάστατο χώρο, είναι ένα επίπεδο. Το υπερεπίπεδο μπορεί να εκφραστεί ως w^T * xb = 0, όπου w είναι το κανονικό διάνυσμα, b είναι η τομή και x είναι το σημείο δείγματος.
- διάνυσμα υποστήριξης : Το σημείο δείγματος που βρίσκεται πλησιέστερα στο υπερεπίπεδο ονομάζεται διάνυσμα υποστήριξης. Αυτά τα σημεία παίζουν καθοριστικό ρόλο στον προσδιορισμό της θέσης του υπερεπίπεδου.
3. Μεγιστοποιήστε το διάστημα
- διάστημα λειτουργίας: Για ένα δεδομένο σύνολο εκπαίδευσης και υπερεπίπεδο, το διάστημα συνάρτησης από το σημείο δείγματος (x_i, y_i) στο υπερεπίπεδο είναι r_i
