استفاده ازSVM برای داده های غیر باینری (چند کلاسه)

ماشین بردار پشتیبان (SVM) یک تکنیک طبقه بندی بر مبنای حاشیه بهینه (optimal margin) است. در یادگیری ماشینی ، SVM یک طبقه بندی خطی باینری است که برای حالت های غیر خطی نیز توسعه یافته است.SVM با هسته خطی SVM خطی وSVM با هسته غیر خطی SVM غیر خطی نامیده می شود.SVM خطی یک تکنیک کارآمد برای داده های با ابعاد بالا است مانند طبقه بندی اسناد، ابهام زدایی با معنای کلمه، طراحی دارو می باشد.SVM از زمان پیدایش خود به طور مداوم در حال تکامل است. درمقاله ابتدا نمونه های کلاسیک SVM که شامل Hard SVM و SoftSVM صحبت میکنیم و روابط مورد استفاده در آنها وروش کلاس بندی را به کمک این دوتکنیک بیان میکنیم سپس درمورد نحوه ی استفاده از SVM برای داده های چند کلاسه با استفاده از تکنیکهای مختلف مانند یک در مقابل یک، یک در مقابل سایر ، وستون واتکینز(SVM(WestonWatkins ، SVM انتقالی صحبت خواهد شد. وفرمول های آن ها به صورت اجمالی بیان می شود.

کلیدواژه ها:

SVM چند کلاسه ، یک در برابر سایر ، یک در برابر یک ، وستون واتکینز ، SVMانتقالی