SVM이최대화하는기준인클래스간”마진“의정의。
서포트벡터는구분하는초평면의위치를식별하는훈련관측값중일부를가리킵니다。표준SVM알고리즘은이진분류문제에대해형성되며,다중클래스문제는보통일련의이진클래스문제로축소됩니다。
| SVM의종류 | 머서커널 | 설명 |
|---|---|---|
| 가우스또는방사형기저함수(RBF) | \ (K (x_1、x_2) = \ exp \离开(- \压裂{\ | x_1——x_2 \ | ^ 2}{2 \σ^ 2}\)\) | 단일클래스학습。σ\(\ \)는커널의너비입니다。 |
| 선형 | \ (K (x_1、x_2) = x_1 ^ {\ mathsf {T}} x_2 \) |
2 -클래스학습。 |
| 다항식 | \ (K (x_1、x_2) = \离开(x_1 ^ {\ mathsf {T}} x_2 + 1 \右)^{\ρ}\) |
ρ\ (\ \)는다항식의차수입니다。 |
| 시그모이드 | \ (K (x_1、x_2) = \双曲正切\离开(\ beta_ {0} x_1 ^ {\ mathsf {T}} x_2 + \ beta_ {1} \) \) |
특정\ (\ beta_{0} \)및\ (\ beta_{1} \)값에대해서만머서커널입니다。 |
金宝app支持向量机을훈련시키는것은클래스간소프트마진을최소화하는초평면에피팅되도록2차최적화문제를푸는것에상응합니다。변환된특징의개수는서포트벡터의개수에따라정해집니다。
요점:
- 金宝app支持向量机은널리사용되며,여러분류및회귀작업에서좋은성능을보입니다。
- 金宝app支持向量机은이진분류에대해형성되지만,이진분류기를여러개결합하면다중클래스SVM을형성할수있습니다。
- 커널은SVM을더유연하고비선형문제를처리할수있도록만듭니다。
- 결정곡면을생성하려면훈련데이터에서선택된서포트벡터만필요할뿐입니다。훈련된후에는나머지훈련데이터는무의미하기때문에자동화된코드생성에적합한간략한모델표현이생성됩니다。
예
金宝app支持向量机은결정경계가이상값임계값을사용하여객체가”정상”클래스에속하는지여부를판별하는단일클래스SVM을형성하여이상감지에도사용할수있습니다。이예에서는MATLAB이모든표본을다음과같이이상값의목표비율을토대로단일클래스의파라미터로매핑합니다。fitcsvm(样本,(…),‘OutlierFraction’,…)。아래그래프는인간활동분류작업의데이터에대해OutlierFractions의특정범위에대해구분되는초평면을보여줍니다。
