SVM 모드란 무엇입니까?

지원 벡터 머신, SVM) 은 이진 분류 모델입니다. 이진 분류 모델이란 많은 피쳐 (인수 x) 와 다른 레이블 항목 (변수 y) 간의 분류 관계를 말합니다. 예를 들어, 현재 키, 나이, 학력, 소득, 교육 연한 등 많은 특징이 있습니다. 변수는 흡연 여부이기 때문에 흡연 여부는 두 가지밖에 포함되지 않는다. 그렇다면 흡연 여부 분류의 다섯 가지 특징항목 간의 관계에 대한 연구를' 2 분류 모델' 이라고 하지만, 실제로 꼬리표 항목의 범주 (변수 Y) 가 많다. 예를 들어 어떤 꼬리표 항목 Y 는' 요리 선호도' 이고, 중국에는 사천요리, 노채, 광동채, 민채, 강수채 등 많은 요리가 있다.

기계 학습 알고리즘에 일반적으로 사용되는 알고리즘으로는 의사 결정 트리, 임의 삼림, 베네스 등이 있습니다. 이것들은 모두 잘 해석됩니다. 예를 들어, 의사 결정 트리는 경계 지점을 기준으로 피쳐를 분류하고, 임의 숲은 여러 의사 결정 트리 모델이며, 베이지안 모델은 베이지안 확률 원리를 사용하여 계산됩니다. 위와 달리, 지원 벡터기 모델은 운영 계획 제약을 이용하여 최적의 솔루션을 찾습니다. 이 최적의 솔루션은 피쳐 항목을 결합하여' 흡연' 과' 비흡연' 을 완전히 분리할 수 있는 공간 평면입니다. 이 공간 평면을 찾는 것은 벡터기를 지원하는 핵심 알고리즘의 원리이다.

지원 벡터기의 계산 원리는 비교적 복잡하지만, 통속적인 이해는 결코 복잡하지 않다. 공간 평면' 을 해결해야 한다는 것을 알기만 하면 서로 다른 범주의 레이블 항목 (변수 Y) 을 명시적으로 구분할 수 있습니다. 다른 기계 학습 알고리즘과 마찬가지로, 벡터기를 지원하는 구성 단계에서는 일반적으로 데이터를 차원화하고, 테스트 데이터에 대한 교육 데이터의 비율을 설정하고, 관련 매개변수를 설정하여 최적화해야 합니다. 교육 데이터와 테스트 데이터에서 좋은 성과를 얻을 수 있습니다.

원칙적으로 지원 벡터 머신 모델은 다음 그림과 같습니다.

SPSSAU 는 다음과 같이 작동합니다.