Что означает слово «поддержка» в контексте машины опорных векторов, которая представляет собой модель обучения с учителем?
Что означает поддержка в машине опорных векторов?
11.02.2014
Ответы:
1
Скопировано из Википедии:
Гиперплоскость с максимальным запасом и поля для SVM, обученного с образцами из двух классов. Образцы на границе называются опорными векторами.
11.02.2014
2
В SVM результирующая разделяющая гиперплоскость приписывается подмножеству векторов признаков данных (т. Е. Тем, у которых связанные с ними множители Лагранжа больше 0). Эти векторы признаков были названы опорными векторами, потому что интуитивно можно было сказать, что они «поддерживают» разделяющую гиперплоскость, или вы могли сказать, что для разделяющей гиперплоскости опорные векторы играют ту же роль, что и опоры здания.
Теперь формально, перефразируя книгу Бернхарда Шолкопфа и Александра Дж. Смола под названием «Обучение с ядрами», стр. 6:
«В процессе поиска уникальной оптимальной гиперплоскости мы рассматриваем гиперплоскости с нормальными векторами w, которые могут быть представлены в виде общих линейных комбинаций (т. е. с неравномерными коэффициентами) тренировочных шаблонов. Например, мы можем захотеть устранить влияние паттернов, находящихся очень далеко от границы решения, либо потому, что мы ожидаем, что они не улучшат ошибку обобщения функции решения, либо потому, что мы хотели бы уменьшить вычислительные затраты на оценку функции решения. плоскость будет зависеть только от подмножества тренировочных шаблонов, называемых опорными векторами».
То есть разделяющая гиперплоскость зависит от этих векторов признаков обучающих данных, они на нее влияют, она на них основана, следовательно, они ее поддерживают.
15.02.2014
3
В пространстве ядра самый простой способ представить разделяющую гиперплоскость — это расстояние до экземпляров данных. Эти экземпляры данных называются «векторами поддержки».
Пространство ядра может быть бесконечным. Но пока вы можете вычислить сходство ядра с опорными векторами, вы можете проверить, на какой стороне гиперплоскости находится объект, не зная фактического вида этой бесконечномерной гиперплоскости.
В 2D вы, конечно, могли бы просто составить уравнение для гиперплоскости. Но это не дает никаких реальных преимуществ, кроме понимания SVM.
11.02.2014
Новые материалы
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
Просто начните и учитесь самостоятельно
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..
Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..