מיטגליד : לאָגין |פאַרשרייַבונג |פאָרלייגן קשיא
זוכן
[מאָדיפיקאַטיאָן ] שטיצן וועקטאָר מאַשין
אין מאַשין לערנען, שטיצן וועקטאָר מאשינען (סוומס, אויך שטיצן וועקטאָר נעטוואָרקס) זענען סופּערווייזד לערנען מאָדעלס מיט פארבונדן לערנען אַלגערידאַמז אַז פונאַנדערקלייַבן דאַטן געניצט פֿאַר קלאַסאַפאַקיישאַן און ראַגרעשאַן אַנאַליסיס. געגעבן אַ סכום פון טראַינינג ביישפילן, יעדער אָפּגעמערקט ווי געהערן צו איינער אָדער די אנדערע פון ​​צוויי קאַטעגאָריעס, אַ סוום טראַינינג אַלגערידאַם בויען אַ מאָדעל וואָס אַסיינז נייַ ביישפילן אין איין קאַטעגאָריע אָדער די אנדערע, מאכן עס אַ ניט-פּראַבאַביליסטיק בינאַרי לינעאַר קלאַסאַפייער (כאָטש מעטהאָדס אַזאַ ווי פּלאַטט סקיילינג עקסיסטירן צו נוצן סוום אין אַ פּראַבאַביליסטיק קלאַסאַפאַקיישאַן באַשטעטיקן). אַ סוום מאָדעל איז אַ פאַרטרעטונג פון די ביישפילן ווי ווייזט אין פּלאַץ, אַזוי אַז די ביישפילן פון די באַזונדער קאַטעגאָריעס זענען צעטיילט דורך אַ קלאָר ריס וואָס איז ווי ברייט ווי מעגלעך. ניו ביישפילן זענען דעמאָלט מאַפּט אין דעם זעלבן פּלאַץ און פּרעדיקטעד צו געהערן צו אַ קאַטעגאָריע באזירט אויף וואָס זייַט פון די ריס זיי פאַלן.
אין דערצו צו דורכפירן לינעאַר קלאַסאַפאַקיישאַן, סוומס קענען יפעקטיוולי דורכפירן אַ ניט-לינעאַר קלאַסאַפאַקיישאַן ניצן וואָס איז גערופן די קערן טריק, ימפּליסאַטלי מאַפּינג זייער ינפּוץ אין הויך-דימענשאַנאַל שטריך ספּייסאַז.
ווען די דאַטע איז נישט מיטן נאָמען, די סופּערווייזד לערנען איז ניט מעגלעך, און אַ ונסופּערוויסעד לערן צוגאַנג איז פארלאנגט, וואָס פרוווט צו געפֿינען נאַטירלעך קלאַסטערינג פון די דאַטן צו גרופּעס, און דעמאָלט מאַפּע נייַ דאַטע צו די געגרינדעט גרופּעס. די קלאַסטערינג אַלגערידאַם וואָס גיט אַ פֿאַרבעסערונג צו די שטיצן וועקטאָר מאשינען איז גערופן שטיצן וועקטאָר קלאַסטערינג און איז אָפט געניצט אין ינדאַסטריאַל אַפּלאַקיישאַנז אָדער ווען דאַטן זענען נישט מיטן נאָמען אָדער בלויז עטלעכע דאַטן זענען לייבאַלד ווי אַ פּרעפּראָסעססינג פֿאַר אַ קלאַסאַפאַקיישאַן פאָרן.
[קאַנאַלוטשאַל נעוראַל נעץ][בערעזע]
מאָטיוואַטיאָן.1
Definition.2
אַפּפּליקאַטיאָנס.3
געשיכטע.4
לינעאַר סוום.5
שווער-גרענעץ.1.5
ווייך-גרענעץ.2.5
ניט-לינעאַר קלאַסאַפאַקיישאַן.6
קאָמפּוטינג די סוום קלאַסאַפייער.7
Primal.1.7
צווייענדיק.2.7
Kernel trick.3.7
מאָדערן מעטהאָדס.4.7
סוב-גראַדיענט אַראָפּגאַנג.1.4.7
קאָאָרדינאַטע אַראָפּגאַנג.2.4.7
עמפּיריקאַל ריזיקירן מינימיזאַטיאָן.8
ריזיקירן מינימאַליזאַטיאָן.1.8
רעגולעריזאַטיאָן און פעסטקייַט.2.8
סוום און הינגער אָנווער.3.8
ציל פאַנגקשאַנז.1.3.8
פּראָפּערטיעס.9
פּאַראַמעטער סעלעקציע.1.9
ישוז.2.9
עקסטרעמענץ.10
שטיצן וועקטאָר קלאַסטערינג (SVC).1.10
Multiclass SVM.2.10
טראַנסדוקטיווע שטיצן וועקטאָר מאשינען.3.10
סטרוקטורעד סוום.4.10
רעגרעססיאָן.5.10
Bayesian SVM.6.10
Implementation.11
[ופּלאָאַד מער ינהאַלט ]

Lxjkh 2018@ קאַפּירייט