پاورپوینت و ارائه کامل ماشین بردار پشتیبان

          عباس 
            بازدید : 174
          چهارشنبه 14 بهمن 1394
           نظرات (0)
        

هدف این دسته الگوریتم ها تشخیص و متمایز کردن الگوهای پیچیده در داده هاست ( از طریق کلاسترینگ، دسته بندی، رنکینگ، پاکسازی و غیره)

مقدمه

SVM دسته بندی کننده ای است که جزو شاخه Kernel Methods دریادگیری ماشین محسوب میشود.

SVMدر سال 1992 توسط Vapnik معرفی شده و بر پایه statistical learning theory بنا گردیده است.

شهرت SVM بخاطر موفقیت آن در تشخیص حروف دست نویس است که با شبکه های عصبی بدقت تنظیم شده برابری میکند: 1.1% خطا

مسایل مطرح:

الگوهای پیچیده را چگونه نمایش دهیم

چگونه از مسئله overfitting پرهیز کنیم

کلمات کلیدی:

SVM

ایده اصلی

با فرض اینکه دسته ها بصورت خطی جداپذیر باشند، ابرصفحه هائی با حداکثر حاشیه (maximum margin) را بدست می آورد که دسته ها را جدا کنند.

در مسایلی که داده ها بصورت خطی جداپذیر نباشند داده ها به فضای با ابعاد بیشتر نگاشت پیدا میکنند تا بتوان آنها را در این فضای جدید بصورت خطی جدا نمود.

فهرست مطالب

مقدمه

هدف این دسته الگوریتم ها تشخیص و متمایز کردن الگوهای پیچیده در داده هاست

تعمیم و SVM

حل مسئله برای حالت دو بعدی

تابع تصمیم گیری

ابر صفحه

حل مسئله برای حالت دو بعدی

محاسبه پهنای حاشیه

دسته بندی داده های جدید

مسئله جداسازی غیر خطی :

مشکلات فضای ویژگی

نگاشت غیر مستقیم به فضای ویژگی

کرنل

Modularity

ساخت کرنل ها

تشخیص حروف دست نویس

انتخاب تابع کرنل

جدی ترین مسئله در روش SVM انتخاب تابع کرنل است.

نقاط قوت و ضعف SVM

Strengths

سایر جنبه های SVM

ارسال نظر برای این مطلب