کاربرد تجزیه مقادیر منفرد تصادفی در تحلیل مولفه های اصلی به منظور افزایش سرعت آموزش در روش های یادگیری ماشین

الگوریتم های یادگیری ماشین بر اساس مجموعه داده مسئله، یک مدل ریاضیاتی ایجاد کرده و پس از آموزش مدل، به پیش بینیداده های جدید می پردازند. افزایش ابعاد مجموعه داده، یادگیری این مدل ها را با مشکلاتی مواجه کرده است. تحلیل مولفه های اصلی یکی از راهکارهای رفع این مشکل می باشد. این الگوریتم بر اساس تجزیه مقادیر منفرد با ترکیب ویژگی های مجموعه دادهیک تقریب از فضای اصلی مسئله ارائه می کند. محاسبه این تجزیه در مسائل با ابعاد بالا خود دارای مشکلاتی است. در این تحقیق پس از معرفی تجزیه مقادیر منفرد تصادفی به بررسی کاربردهای این الگوریتم در افزایش سرعت یادگیری مدل ماشین بردارپشتیبان در چند مجموعه داده شناخته شده می پردازیم.

کلیدواژه ها:

یادگیری ماشین ، تحلیل مولفه های اصلی ، تجزیه مقادیر منفرد تصادفی ، ماشین بردار پشتیبان