ماشین‌های بردار پشتیبانی (KSVMs)

Kernel Support Vector Machines(ksvms)

copy icon share icon print icon

تعریف

یک الگوریتم طبقه‌بندی است که با نگاشت بردارهای داده ورودی به فضای بعدی بالاتر، حاشیه بین طبقات مثبت و منفی را به حداکثر می‌رساند. به عنوان مثال یک مسئله‌ی طبقه‌بندی را در نظر بگیرید که در آن مجموعه داده ورودی دارای صد ویژگی باشد. برای به حداکثر رساندن حاشیه بین طبقات مثبت و منفی، یک KSVM می‌تواند این ویژگی‌ها را به صورت داخلی در یک فضای یک میلیون بعدی قرار دهد. KSVM ها از یک تابع زیانی به نام هزینه‌ی hinge استفاده می‌کنند.