目次
背面図
サポートベクターマシン SVM の詳細原理 SVM
の定義
SVM 理論
遺伝的アルゴリズムの原理と手順
SVM 応用例、遺伝的アルゴリズム最適化に基づく熱負荷予測 SVM
コード
結果解析
展望
背面図
現代の知能社会にとって負荷予測は非常に重要であるが、本論文では、遺伝的アルゴリズムによって改良されたSVMを熱負荷予測に使用する。
サポートベクターマシンSVMの詳しい原理
SVMの定義
サポート ベクター マシン (SVM) は、基本モデルが特徴空間で定義された最大間隔を持つ線形分類器であるバイナリ分類モデルです。最大間隔により、パーセプトロンとは異なります。SVM にはカーネル技術も含まれており、実質的に非線形になります。分類子。SVM の学習戦略は区間を最大化することであり、これは凸二次計画法を解く問題として形式化でき、これは正則化ヒンジ損失関数を最小化する問題とも等価です。SVMの学習アルゴリズムは、凸二次計画法を解くための最適化アルゴリズムです。
(1) サポート ベクター マシン (SVM) はデータをバイナリ分類するための一般化線形分類器であり、その分類境界は学習サンプルを解くための最大区間超平面です。
(2) SVM は、ヒンジ損失関数を使用して経験的リスクを計算し、解システムに正則化項を追加して構造リスクを最適化する、スパース性とロバスト性を備えた分類器です。
(3) SVM はカーネル機能を導入することで非線形分類を行うことができます。
SVM理論
1. 線形分離性