Support Vector Machines (SVM) (Destek Vektör Makineleri)

Destek Vektör Makineleri (SVM), özellikle sınıflandırma (Classification) ve regresyon problemlerinde verileri birbirinden ayırmak için kullanılan çok güçlü ve popüler bir denetimli (Supervised) makine öğrenimi algoritmasıdır.

Destek Vektör Makineleri (SVM), özellikle sınıflandırma (Classification) ve regresyon problemlerinde verileri birbirinden ayırmak için kullanılan çok güçlü ve popüler bir denetimli (Supervised) makine öğrenimi algoritmasıdır. Temel amacı, iki farklı veri grubu (Örn: Elmalar ve Armutlar) arasına çizebileceği "en geniş yolu / çizgiyi" (Hiperdüzlem) bulmaktır.

polyline Masa Üzerindeki Bilyeler

Bir masada mavi ve kırmızı bilyeler var. SVM'in amacı, mavi ve kırmızılar arasına düz bir çubuk (çizgi) koyarak onları ikiye ayırmaktır. Ama herhangi bir çizgi değil; her iki taraftaki bilyelere (Destek Vektörleri) 'en uzak olan', yani aralarından geçen en geniş otobanı çizen çizgiyi bulur. Böylece yeni bir bilye geldiğinde hangi tarafa düşeceğinden %100 emin olmak ister.

Kernel Trick (Çekirdek Hilesi)

  • check_circle Boyut Atlatma: Bazen mavi ve kırmızı bilyeler masada iç içe geçmiştir, aralarına düz bir çubuk koyamazsınız. SVM (Kernel Hilesi) kullanarak masaya alttan vurur, bilyeleri havaya (3. boyuta) sıçratır. Havada kırmızılar yukarıda, maviler aşağıda kalırken aralarından düz bir kağıt (düzlem) geçirip onları ustaca ayırır. Karmaşık verileri ayırmada SVM'i eşsiz kılan budur.