サポート ベクター マシン (SVM) は 2 クラスの分類モデルです。その基本モデルは、特徴空間上で最大のマージンを持って定義された線形分類器です。線形分離可能なサポート ベクター マシン、線形サポート ベクター マシン、および非線形サポート ベクター マシンが含まれます。
トレーニング データが線形分離可能な場合、ハード マージンの最大化を通じて線形分類器が学習されます。これは、ハード マージン サポート ベクター マシンとも呼ばれる、線形分離可能なサポート ベクター マシンです。
線形分離可能なサポートベクター機械学習アルゴリズム
入力: 線形分離可能なトレーニング データセット、ここで
出力: 超平面を分離する最大マージンと分類決定関数
1) 制約付き最適化問題の構築と解決
最適解を得る
制約を使用してベクトル ノルムを最小化する
2) 最適解を置き換える、
分離超平面を取得します。
分類判定機能:
例
トレーニング データ セット: 正の例の点、負の例の点、最大分離超平面の検索、分類決定関数およびサポート ベクトル
ほどく:
1) 制約付き最適化問題の構築と解決
最適解を得る
最適化問題を解くには変数の数を減らす必要があります
2) 最適解を置き換える、
分離超平面を取得します。
分類判定機能:
サポートベクター: 、
サポートベクターは制約条件の等号が成立する点、つまり満たされる点です。