मैं अपने शोध कार्य के लिए, एक वर्ग एसवीएम का उपयोग कर रहा था , जिसे स्किट-लर्न में लागू किया गया था । लेकिन मुझे इसकी कोई अच्छी समझ नहीं है।
क्या कोई कृपया एक वर्ग SVM का सरल, अच्छा विवरण दे सकता है ?
मैं अपने शोध कार्य के लिए, एक वर्ग एसवीएम का उपयोग कर रहा था , जिसे स्किट-लर्न में लागू किया गया था । लेकिन मुझे इसकी कोई अच्छी समझ नहीं है।
क्या कोई कृपया एक वर्ग SVM का सरल, अच्छा विवरण दे सकता है ?
जवाबों:
समस्या को वन क्लास एसवीएम द्वारा संबोधित किया गया है, जैसा कि दस्तावेज कहते हैं, नवीनता का पता लगाना है । इस कार्य के लिए एसवीएम का उपयोग करने का वर्णन मूल पेपर " नोवेल्टी डिटेक्शन के लिए वेक्टर सपोर्ट विधि " है।
नवीनता का पता लगाने का विचार दुर्लभ घटनाओं का पता लगाना है, अर्थात ऐसी घटनाएं जो शायद ही कभी होती हैं, और इसलिए, जिनमें से आपके पास बहुत कम नमूने हैं। समस्या यह है कि, एक क्लासिफायरिएपर प्रशिक्षण का सामान्य तरीका काम नहीं करेगा।
तो आप कैसे तय करते हैं कि एक उपन्यास पैटर्न क्या है ?। कई दृष्टिकोण डेटा के लिए संभाव्यता के घनत्व के अनुमान पर आधारित हैं। नवीनता उन नमूनों से मेल खाती है जहां संभावना का घनत्व "बहुत कम" है। आवेदन कितना कम निर्भर करता है।
अब, SVM अधिकतम-मार्जिन विधियाँ हैं, अर्थात वे संभाव्यता वितरण को मॉडल नहीं करते हैं। यहां विचार एक ऐसा फ़ंक्शन ढूंढना है जो उच्च घनत्व वाले क्षेत्रों के लिए सकारात्मक है, और छोटे घनत्व के लिए नकारात्मक है।
कागज में किरकिरा विवरण दिया गया है। ;) यदि आप वास्तव में कागज के माध्यम से जाने का इरादा रखते हैं, तो सुनिश्चित करें कि आप पहले वर्गीकरण के लिए मूल एसवीएम एल्गोरिथ्म की सेटिंग्स को समझते हैं। यह एल्गोरिथ्म सीमा और प्रेरणा को समझने में बहुत आसान बना देगा।
आप कुछ अर्ध-पर्यवेक्षित तरीके से एक्टिव लर्निंग के लिए कुछ पाइपलाइन के लिए वन क्लास एसवीएम का उपयोग कर सकते हैं।
पूर्व: जैसा कि एसवीएम पहले वर्णित अधिकतम-मार्जिन पद्धति से संबंधित है, आप उन मार्जिन क्षेत्रों को कुछ विशिष्ट वर्ग के लिए सीमा के रूप में मान सकते हैं और रिबलिंग कर सकते हैं।