Destek vektör makinesi

Vikipedi, özgür ansiklopedi
Gezinti kısmına atla Arama kısmına atla

Destek vektör makinesi (kısaca DVM), eğitim verilerindeki herhangi bir noktadan en uzak olan iki sınıf arasında bir karar sınırı bulan vektör uzayı tabanlı makine öğrenme yöntemi olarak tanımlanabilir.

Teori[değiştir | kaynağı değiştir]

ile temsil edilen her girdi, D özelliğine sahip olsun ve sadece = -1 ya da +1 sınıflarından birine ait olsun, bu durumda tüm girdileri şöyle gösterebiliriz:

Doğrusal olmayan veri kümesinin DVM ile sınıflandırılması[değiştir | kaynağı değiştir]

Veri kümeleri

Doğrusal ayrisabilen ve doğrusal ayrilamayan iki ayri veri seti

Kernel yöntemleri[değiştir | kaynağı değiştir]

Veri kümesinin doğrusal olarak sınıflandırılması mümkün olmayan durumlarda, her bir verinin üst özellik uzayıyla eşlenmesi ve yine bu yeni uzayda bir hiper düzlem yardimiyla sınıflandırılması yöntemine verilen isimdir.

Radial Basis Function (RBF) Kernel[değiştir | kaynağı değiştir]

Cok terimli (Polinomial) Kernel[değiştir | kaynağı değiştir]

Cok sınıflı verinin DVM ile sınıflandırılması[değiştir | kaynağı değiştir]

Destek vektör makineleri daha çok iki sınıftan olusan (binary classification) veriyi ayirmada kullanılmaktadır, örneğin bir veri kümesindeki her bir veriyi kadin veya erkek olarak ayirmak. Buna karsin veriler bazen ikiden fazla sınıfa ait olabilirler bu gibi durumlarda temel DVM algoritmasi islevsiz bir hale gelir. Ornegin farklı cinsten olan kopeklerin belli basli ozelliklerinin tutulduğu bir veri kümesinin bu ozellikleri baz alarak sınıflandırılması gibi Golden retriever, Siberian Husky, German Shepherd, Pug vb.

Bire çok yaklaşım[değiştir | kaynağı değiştir]

Genel anlamda sınıf sayısı kadar DVM'nin birbirine füzyonuyla elde edilir. Her DVM çıkan her bir sınıfı diğer sınıflarla karşılaştırarak bir sonuca ulaşır. Eğer kadar sınıf varsa sayıda DVM eğitilerek bu DVM'lerin birbiriyle kıyaslanarak hangi sınıf için en güvenilir sonucun çıktığına bakılarak sınıflandırma yapılır.

girdi vektörü olmakla beraber sınıfı temsil etmektedir.

Bire bir yaklaşım[değiştir | kaynağı değiştir]

Bire bir yönteminde her bir sınıf ikilisi için farklı bir DVM egitilir ve egitilen DVM'lerden hangi sınıfın en cok "+1" olarak sınıflandırıldığına bakilir ve boylece sınıflandırma islemi gerceklestirilir. Bu yöntem bire çok yöntemine gore hesaplama gucu yonunden oldukça "pahalı" bir yöntemdir. Bunun sebebi, eger kadar sınıf varsa bu durumda sayıda DVM eğitilmesi gerekmesidir.

girdi vektörü olmakla beraber ve sınıfları temsil etmektedirler.