سه شنبه 23 مرداد 1397 | Tuesday 14 th of August 2018 صفحه اصلی گروه الکترونیکی کامپیوتر
3-5 روش کلاسه بندی ماشین بردار پشتیبان

ماشین بردار پشتیبان[1] (SVM) یکی از روش‌های یادگیری ماشین است که از تئوری یادگیری اماری سرچشمه می گیرد و از ان برای کلاسه بندی و رگرسیون استفاده می‌کنند. این روش از جمله روش‌های نسبتاً جدیدی است که در سال‌های اخیر کارایی خوبی برای کلاسه بندی نسبت به روش‌های قدیمی‌تر از جمله شبکه‌های عصبی پرسپترون نشان داده است.مبنای کاری کلاسه بندی SVM، کلاسه بندی خطی داده‌ها است. در تقسیم خطی داده‌ها سعی می‌شود خطی انتخاب شود که حاشیه اطمینان بیشتری داشته باشد.

     برای یک مسئله کلاسه بندی دو کلاسه، هدف جداسازی دو کلاس بوسیله یک تابع است که از نمونه های اموزشی بدست می اید. شکل 3-6 یک مثال از یک مجموعه داده ی دو بعدی (دو کلاسه) را نشان می دهد که کلاس های سیاه رنگ و سفید رنگ توسط خط  از هم جدا شده اند. رنگ تیره در اطراف این خط، ماکزیمم حاشیه ان خط را نشان می دهد.

شکل 3-6-مثالی از کلاسه بندی SVM

شکل 3-6-مثالی از کلاسه بندی SVM 

 

 


 

Compatability by:
آخرین به روز رسانی سایت: سه شنبه, 22 اسفند 1391 - 00:26