SVM چگونه در Matlab کار می کند؟

2024 نویسنده: Lynn Donovan | [email protected]. آخرین اصلاح شده: 2023-12-15 23:46

شما می توان استفاده از a ماشین بردار پشتیبانی ( SVM ) زمانی که داده های شما دقیقاً دو کلاس دارند. یک SVM داده ها را با یافتن بهترین ابر صفحه که تمام نقاط داده یک کلاس را از کلاس دیگر جدا می کند، طبقه بندی می کند. بهترین هایپر هواپیما برای SVM به این معنی است که بیشترین حاشیه را بین دو کلاس دارد.

علاوه بر این، SVM Matlab چیست؟

یک ماشین بردار پشتیبانی ( SVM ) یک الگوریتم یادگیری نظارت شده است که می تواند برای طبقه بندی باینری یا رگرسیون استفاده شود. حل یک مسئله بهینه سازی درجه دوم برای برازش یک ابر صفحه بهینه برای طبقه بندی ویژگی های تبدیل شده به دو کلاس.

SVM چگونه پیش بینی می کند؟ ماشین‌های بردار پشتیبانی ( SVM ) - یک مرور کلی. یادگیری ماشینی شامل پیش بینی کردن و طبقه بندی داده ها و به انجام دادن بنابراین ما الگوریتم های مختلف یادگیری ماشین را با توجه به مجموعه داده استفاده می کنیم. ایده از SVM ساده است: الگوریتم یک خط یا یک ابر صفحه ایجاد می کند که داده ها را به کلاس ها جدا می کند.

با توجه به این موضوع، SVM چگونه کار می کند؟

SVM کار می کند با نگاشت داده ها به یک فضای ویژگی با ابعاد بالا به طوری که بتوان نقاط داده را طبقه بندی کرد، حتی زمانی که داده ها به طور خطی قابل تفکیک نیستند. یک جداکننده بین دسته‌ها پیدا می‌شود، سپس داده‌ها به گونه‌ای تبدیل می‌شوند که جداکننده را می‌توان به عنوان یک ابر صفحه ترسیم کرد.

امتیاز در SVM چیست؟

امتیازدهی SVM عملکرد یک ماشین بردار پشتیبانی آموزش دیده دارای یک به ثمر رساندن تابعی که a را محاسبه می کند نمره برای ورودی جدید ماشین بردار پشتیبان یک طبقه بندی کننده باینری (دو کلاسه) است. اگر خروجی از به ثمر رساندن تابع منفی است سپس ورودی به عنوان متعلق به کلاس y = -1 طبقه بندی می شود.