Недавно я изучал машинное обучение и увидел на reddit сообщение Please explain Support Vector Machines (SVM) like I am a 5 year old, одно слово!
Поддержка векторальной машины (SVM).
Конечно, сначала посмотрите на wiki. Support Vector Machines are learning models used for classification: which individuals in a population belong where? So... how do SVM and the mysterious
kernel work? Support Vector Machines are learning models used for classification: какие индивидуумы в популяции принадлежат куда?
Так вот, история:
В день Валентина, который начался давно, Великий хочет спасти свою возлюбленную, но дьявол играет с ним в игру.
Дьявол, казалось бы, регулярно ставит на стол шарики двух цветов и говорит: "Ты можешь разделить их с помощью палочки?"
И что вы делаете, чтобы сделать это?
После этого дьявол, поставив еще больше мячей на стол, кажется, что один из участников ошибся в лагере.
SVM - это попытка поставить палочку в оптимальное положение, чтобы на обеих сторонах палочки было как можно больше разрывов.
Теперь, даже если дьявол бросает больше мячей, палочка остается хорошей границей.
Затем в наборе инструментов SVM появился еще один, более важный трюк. Дьявол увидел, что Великий Человек уже выучил один трюк, и дал ему новый вызов.
Теперь, когда у героя нет палочки, которая могла бы хорошо помочь ему разделить два шара, что делать? Конечно, как и во всех муарманских фильмах, когда он бьет стол, шар поднимается в воздух. Затем, с помощью легких усилий героя, герой берет бумагу и вставляет ее между двумя шарами.
Теперь, с точки зрения дьявола, эти шары выглядят так, как будто они разделены кривой.
А потом, когда взрослые люди стали скучать, они назвали эти шарики "данные", палочки назвали "классификаторы", трюки с максимальным разрывом назвали "оптимизация", стол назвали "кернелинг", бумагу назвали "гиперплан".
Ссылки:
Пожалуйста, объясните поддержку вектора машин (SVM) как я 5 лет.
Поддержка Векторные машины хорошо объяснены
Что такое SVM?
SVM - support vector machine, также известная как support vector machine, является алгоритмом наблюдаемого обучения, относящимся к категории классификации. В применении для добычи данных он соответствует и отличается от беснадзорного кластеризации. Широко используется в машинном обучении, компьютерном видении и майнинге данных. Примерно как работает SVM, показан на рисунке 1.
Предположим, что мы должны разделить действительное и пустое центры на две категории через три восьмерки. В этом случае есть множество различных линий, которые могут сделать это. В SVM мы ищем оптимальную границу, чтобы она была максимальной по обоим сторонам. В этом случае несколько точек данных, обобщенных на окраине, называются векторами поддержки, откуда и происходит название алгоритма.
Это может быть расширено до любых n измерений и даже до бесконечного пространства, как на рисунке 2.
У нас есть куча точек данных в n-мерном и бесконечномерном пространстве, Тогда всегда можно найти оптимальную гиперплоскость, которая всегда находится в n-1 измерении.
В конце концов, Статистическое направление: Support Vector Machines (SVM) Википедия:Поддержка векторной машины Урок:columbia.eduСтраница В этом видео мы показываем, как вы можете подготовить себе лестницу.http://youtu.be/3liCbRZPrZA
Перевод и трансляция: