تحلیل ماشین بردار پشتیبان و توابع کرنل در مسائل دسته بندی

در مسائل دسته بندی استفاده از بردارهای پشتیبان خطی (SVM)، رویکردی است که مورد توجه بسیاری قرار گرفته است. با انتخاب مرز تصمیم گیری (Decision Bondry) مناسب، باعث می شود شرایط نویزی را بخوبی تحمل کند و پاسخ دهی خوبی داشته باشد. این ن حوه انتخاب مرز بر اساس نقاطی به نام بردارهای پشتیبان انجام می شود. اگر داده ها بطور خطی جدا شوند، ابر صفحه جداکننده ای می تواند پیدا شود که د اده ها را از هم جدا نماید. صفحه ای که بیشترین (Margin) حاشیه با داده ها داشته باشد، بهترین انتخاب است. در واقع SVM دسته بندی کننده ای است که بهترین (hyperplane) ابرصفحه را پیدا می کند. اگر داده ها بطور خطی جداپذیر نباشند، کرنل trick مورد استفاده قرار می گیرد.

Keywords:

ماشین بردار پشتیبان , دسته بندی کننده , توابع کرنل