[Análise do Princípio de IA] — Princípio da Máquina de Vetores de Suporte
2024-07-08
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
Índice
1. Visão geral da máquina de vetores de suporte (SVM)
2. Hiperplano e vetor de suporte
3. Maximize o intervalo
4. Problema de otimização
5. Função do kernel
6. Resumo
1. Visão geral da máquina de vetores de suporte (SVM)
- definição : A máquina de vetores de suporte é um modelo de aprendizado supervisionado usado principalmente para problemas de classificação de dados. A ideia básica é dividir os pontos de dados através de um hiperplano para que os pontos de dados de diferentes categorias estejam localizados em ambos os lados do hiperplano.
- Classificação: As máquinas de vetores de suporte são divididas principalmente em três categorias: máquinas de vetores de suporte linearmente separáveis, máquinas de vetores de suporte lineares e máquinas de vetores de suporte não lineares.
2. Hiperplano e vetor de suporte
- hiperplano : No espaço n-dimensional, o hiperplano é um subespaço n-1-dimensional. No espaço bidimensional, é uma linha reta; no espaço tridimensional, é um plano. O hiperplano pode ser expresso como w ^ T * xb = 0, onde w é o vetor normal, b é a interceptação e x é o ponto de amostra.
- vetor de suporte : O ponto de amostra mais próximo do hiperplano é chamado de vetor de suporte. Esses pontos desempenham um papel decisivo na determinação da localização do hiperplano.
3. Maximize o intervalo
- intervalo de função: Para um determinado conjunto de treinamento e hiperplano, o intervalo de função do ponto de amostra (x_i, y_i) ao hiperplano é r_i
