ماشین بردارپشتیبان SVM

ماشین بردارپشتیبان SVM

اسلاید 1: به نام خداماشین بردارپشتیبان SVMپاییز96

اسلاید 2: فهرستمقدمهآشنایی با مفهوم دسته بندی داده هابردار های پشتیبان و Svmبردار پشتیبانچگونگی ایجاد یک ماشین بر مبنای بردار پشتیبانتوزیع غیر خطی و کاربرد Svmنگاهی دقیق تر به فرایند ساخت Svmخط یا ابرصفحه ی جداکنندهجداسازی دسته ها در Svmحداکثر حاشیهSvm در عمل نقاط ضعف و قوت Svmسخن پایانی

اسلاید 3: مقدمهSvm دسته بندی کننده ای است که جزو شاخه kernel methods در یادگیری ماشین محسوب می شود.Svm در سال 1992 توسط vapnik معرفی شده و بر پایه‌‌ی statistical learning theory بنا گردیده است.هدف این دسته الگوریتم ها تشخیص و متمایز کردن الگوهای پیچیده در داده هاست(از طریق کلاسترینگ،دسته بندی،رنکینگ،پاکسازی و غیره) 3

اسلاید 4: آشنایی با مفهوم دسته بندیSvm یکی از الگوریتم های رایج در حوزه ی دسته بندیمثالی از الگوریتم های دسته بندی4

اسلاید 5: بردارهای پشتیبان و Svmبردارهای پشتیبان،مجموعه ای از نقاط در فضای nبعدی داده ها جهت مشخص کردن مرز دسته هاتعیین مرزبندی و دسته بندی داده ها توسط بردار های پشتیبانتغییر خروجی در صورت تشکیل یک خط توسط بردارهای پشتیبان در فضای دو بعدی،یک صفحه در فضای سه بعدی و ابر صفحه در فضای nبعدیتغییر دسته بندی در صورت جابجایی یکی از آنهاتعیین بهترین دسته بندی و تفکیک بین داده ها با معیار قرار دادن بردارهای پشتیبان(یک دسته بند یا مرز)توسط Svmحساس بودن Svm به نقاط داده های موجود در بردارهای پشتیبانیافتن بهترین مرز در بین داده ها توسط Svm5

اسلاید 6: بردار پشتیباننزدیکترین داده های آموزشی به ابر صفحه های جدا کننده بردار پشتیبان نامیده میشوندClass 1Class -1X2X1SVSVSV6

اسلاید 7: چگونگی ایجاد یک ماشین بر مبنای بردار پشتیبانبه ازای داده های موجود در مثال قبل سه مرز بندی زیر را مشخص میکنیم.7

اسلاید 8: چگونگی ایجاد یک ماشین بر مبنای بردار پشتیبان(ادامه)سوال:بهترین مرزبندی در مثال قبل کدام است؟ساخت یک دسته بند بهینه،محاسبه ی فاصله ی مرزهای به دست آمده با بردارهای پشتیبان هر دستهانتخاب مرز در صورت داشتن بیشترین فاصله از هر دستهقابل پیاده سازی با انجام محاسبات ریاضی غیر پیچیده جهت انتخاب تعیین مرز8

اسلاید 9: 9