Support Vector Machine ( SVM ) es un algoritmo de clasificación binaria supervisado. Dado un conjunto de puntos de dos tipos en [math] N [/ math] lugar dimensional SVM genera un hiperplano dimensional [math] (N-1) [/ math] para separar esos puntos en dos grupos.
Digamos que tiene algunos puntos de dos tipos en un documento que son linealmente separables. SVM encontrará una línea recta que separa esos puntos en dos tipos y está situada lo más lejos posible de todos esos puntos. Verifique la figura a continuación. Línea recta [matemática] A [/ matemática] y [matemática] B [/ matemática], ambos están separando dos tipos de puntos correctamente, pero [matemática] A [/ matemática] está situada lo más lejos posible de todos esos puntos. SVM elegirá [math] A [/ math] como el hiperplano de separación. En esta imagen, puede ver un área azul claro alrededor de la línea [matemática] A [/ matemática] y [matemática] B [/ matemática]. Esto se llama Margen . Se define como la distancia desde el hiperplano al punto más cercano, multiplicada por [math] 2 [/ math]. De otra manera, el hiperplance permanecerá en el medio del margen. El margen más alto le dará el hiperplano óptimo.
- ¿Cuál es la relación entre visión artificial, inteligencia artificial de aprendizaje automático y aprendizaje profundo? ¿Son dependientes y están estrechamente vinculados?
- ¿Cómo se comparan las bibliotecas de aprendizaje automático de C ++ con las disponibles en Python?
- ¿Se pueden combinar blockchain y machine learning?
- ¿Cuáles son los sitios web que debe visitar un amante del diseño de máquinas?
- Cómo ejecutar la regresión logística en SAS en los datos de una encuesta donde las variables dependientes e independientes son niveles de satisfacción (escala - 0 a 5)
Otro caso. Mira la imagen a continuación.
En este documento, los puntos azul y rojo no son linealmente separables. SVM usará el truco del kernel para encontrar el hiperplano. Intuitivamente, puedes construir fácilmente un cono usando ese papel donde el ápice está cerca de los puntos rojos. Eso significa que ha creado un cono [matemático] 3D [/ matemático] utilizando un papel [matemático] 2D [/ matemático]. Ahora puede cortar el área cerca del ápice para separar esos puntos rojos del azul. Podemos pensar en otro plano [matemático] 2D [/ matemático] que realiza la tarea de cortar. Ese plano [matemático] 2D [/ matemático] es nuestro hiperplano deseado.
Puede consultar el video para una mejor comprensión.
Imagen 1: Máquina de vectores de soporte – Wikipedia
Imagen 2: SVM de una clase 続 き 、 簡 単 な デ ー タ で 試 し て み る – kanosuke の 日記
Un gran tutorial: Tutorial SVM
