Baru-baru ini saya belajar belajar mesin, saya melihat posting di reddit Please explain Support Vector Machines (SVM) like I am a 5 year old, satu kata pujian!
Mendukung mesin vektor pendukung (SVM).
Jika Anda ingin tahu lebih lanjut, silakan kunjungi wiki ini. Support Vector Machines adalah model pembelajaran yang digunakan untuk klasifikasi: which individuals in a population belong where?
Saya tidak tahu apa yang akan terjadi.
Pada hari Valentine yang lalu, seorang pria besar ingin menyelamatkan kekasihnya, tetapi iblis bermain-main dengannya.
Iblis tampaknya secara teratur menempatkan bola dua warna di atas meja dan berkata: "Hei, apakah Anda memisahkannya dengan tongkat?"
Jadi, apa yang bisa dilakukan oleh Big Bang?
Kemudian iblis, yang menempatkan lebih banyak bola di atas meja, tampaknya salah satu stadion berada di kamp yang salah.
SVM adalah upaya untuk menempatkan tongkat di posisi yang optimal, sehingga ada jarak yang besar di kedua sisi tongkat.
Saat ini, tongkat masih menjadi batas yang baik, bahkan jika iblis menaruh lebih banyak bola.
Kemudian, ada trik lain yang lebih penting di toolkit SVM. Iblis melihat bahwa Superman telah belajar trik, dan iblis memberikan Superman tantangan baru.
Sekarang, Big Hero tidak memiliki tongkat untuk membedakan dua bola, apa yang harus dilakukan sekarang? Tentu saja seperti dalam semua film WAROMAN, Big Hero memukul meja dan bola terbang ke udara. Kemudian, dengan bantuan Big Hero, Big Hero mengambil selembar kertas dan menempelkannya di tengah-tengah dua bola.
Sekarang, dari sudut pandang setan, bola-bola ini terlihat seperti dipisahkan oleh sebuah kurva.
Dan kemudian, orang-orang dewasa yang bosan, mereka menyebut bola-bola itu "data", tongkatnya "classifier", trik jarak terbesarnya "optimization", meja yang disebut "kernelling", kertasnya disebut "hyperplane".
Referensi:
Tolong jelaskan Support Vector Machines (SVM) seperti saya adalah anak 5 tahun.
Mesin vektor pendukung dijelaskan dengan baik
Apa itu SVM?
SVM - support vector machine, juga dikenal sebagai support vector machine, adalah sebuah algoritma pembelajaran yang diawasi, termasuk dalam kategori klasifikasi. Dalam aplikasi penggalian data, clustering yang tidak diawasi sama dengan clustering. Aplikasi ini banyak digunakan dalam pembelajaran mesin, visi komputer, dan penambangan data. Pada dasarnya, SVM bekerja seperti gambar 1.
Misalkan kita ingin membagi lingkaran pusat dan lingkaran pusat kosong menjadi dua bagian dengan menggunakan garis 38. Jika Anda ingin melakukan hal ini, maka ada banyak jalur yang dapat menyelesaikan tugas ini. Dalam SVM, kita mencari garis pemisah yang optimal sehingga memiliki margin terbesar di kedua sisinya. Dalam hal ini, beberapa titik data yang dipadatkan di tepi disebut vektor dukungan, yang juga merupakan sumber dari nama algoritma klasifikasi ini.
Dengan demikian, kita dapat memperluas ke ruang dimensi arbitrer n dan bahkan ruang dimensi tak terbatas, seperti gambar 2,
Kita punya banyak titik data di ruang n-dimensi hingga tak terbatas dimensi, Kemudian seseorang selalu dapat menemukan hyperplane optimal yang selalu dalam dimensi n-1.
Dan akhirnya, Bidang Statistik: Mesin Vektor Dukungan (SVM) wiki:Support vector machine Pelajaran:columbia.eduHalaman dari Dan video demonstrasi yang bagus.http://youtu.be/3liCbRZPrZA
Dikutip dari: