Support Vector Machine (SVM) – #8

SVM çok güçlü ve çok yönlü olan makine öğrenme modelidir. Doğrusal ya da doğrusal olmayan sınıflandırma, regresyon ve hatta aykırı değer tespitini gerçekleştirmek için kullanılır. Aşağıdaki figur Irıs veri setinden alınmış 2 sınıfa aittir. Soldaki grafikte , olası 3 doğrusal karar sınırını göstermektedir. Kesikli çizgi ile temsil edilen modeli öylesine kötü ayırmıştır ki , sınıfları düzgün şekilde ayrılamaz. Diğer iki model bu eğitim setinde mükemmel bir şekilde çalışır. Ancak karar sınırları bu modellerin yeni örneklerde de muhtemelen  çok iyi çalışmamasına sebep olabilir. İşte bu noktada SVM imdadamıza yetişiyor.

Sağdaki grafikte SVM modeli tarafından oluşturulmuş karar sınırı iki sınıfı birbirinden ayırmakla kalmayıp  birbirine en yakın 2 sınıf üyesinden, mümkün olan en uzak nokta üzerinden geçmektedir. (Sağdaki grafikte çember içine alınmış noktalar)

svm

 

Bu noktalar aslında support vector’leridir. Karar sınırının altında kalan vector negative hyperplane, üstünde kalan vector positive hyperplane olarak adlandırılmıştır.

svm hyper

Kaynaklar:

1 – Python Machine Learning -Sebastian Rachka , Ch.3, P.69

2 – Hands-On Machine Learning with Scikit-Learn and TensorFlow by Aurélien Géron, Ch.5, P.205

3 – Mastering Machine Learning with scikit-learn, Gavin Hackeling, Ch.9, P.184

 

0 Paylaşımlar
Support Vector Machine (SVM) - #8
Support Vector Machine (SVM) - #8
SVM çok güçlü ve çok yönlü olan makine öğrenme modelidir. Doğrusal ya da doğrusal olmayan sınıflandırma, regresyon ve hatta aykırı değer tespitini gerçekleştirmek için kullanılır. Aşağıdaki figur Irıs veri setinden alınmış 2 sınıfa aittir. Soldaki grafikte , olası 3 doğrusal karar sınırını göstermektedir.

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir