Τι είναι το Vector Support Machine στο Business Intelligence;

Στο "μηχανική εκμάθηση", ο Υποστήριξη διανυσματική μηχανή (SVM) είναι ένα εποπτευόμενο μοντέλο μάθησης με συναφείς αλγόριθμους που αναλύουν δεδομένα και αναγνωρίζουν μοτίβα, που χρησιμοποιούνται για την ταξινόμηση και την ανάλυση παλινδρόμησης σε Επιχειρηματική ευφυΐα. ο SVM Το Basic παίρνει ένα σύνολο δεδομένων εισόδου και προβλέπει, για κάθε δεδομένη είσοδο, ποια από τις δύο κατηγορίες του Η έξοδος ανήκει, οπότε είναι ένας δυαδικός γραμμικός μη πιθανός ταξινομητής (απλά επιλέξτε μεταξύ 2 επιλογές). Λαμβάνοντας υπόψη ένα σύνολο παραδειγμάτων εκπαίδευσης, το καθένα σημειώνεται ότι ανήκει σε ένα από τα δύο κατηγορίες, ένας αλγόριθμος εκπαίδευσης δημιουργεί ένα μοντέλο που αποδίδει νέα παραδείγματα σε ένα κατηγορία ή άλλο. Αυτός ο τύπος μοντέλου χρησιμοποιείται ευρέως για την ανάλυση μοντέλων στα οποία ένα σύνολο δεδομένων πρέπει να ταξινομηθεί σε δύο μόνο κατηγορίες, απάτη ή όχι απάτη, ναι ή όχι προς πίστωση κ.λπ. Ένα μοντέλο SVM είναι μια αναπαράσταση των παραδειγμάτων (βάση δεδομένων με την οποία έγινε η εκτίμηση) ως σημεία στο διάστημα, έτσι ώστε εκχωρήστε τα παραδείγματα ξεχωριστών κατηγοριών που διαιρούνται γενικά με ένα καθορισμένο διάστημα, χώρο που πρέπει να είναι τόσο ευρύς όσο είναι δυνατόν. Τα νέα δεδομένα εισαγωγής θα ταξινομηθούν στον ίδιο χώρο και για να προβλέψουν σε ποια κατηγορία ανήκει.

Η μηχανή φορέα υποστήριξης βασίζεται στο γεγονός ότι κάθε νέα δεδομένα μπορεί να ταξινομηθεί στην αντίστοιχη κατηγορία με βάση την εκμάθηση των αναλυθέντων δεδομένων. Στο παρακάτω παράδειγμα, τα αντικείμενα ανήκουν σε μία μόνο κατηγορία είτε πράσινη είτε κόκκινη. Η γραμμή διαχωρισμού ορίζει ένα όριο στη δεξιά πλευρά όπου όλα τα αντικείμενα είναι πράσινα και στα αριστερά όπου όλα τα αντικείμενα είναι κόκκινα.

Σε αυτό το άλλο παράδειγμα μπορούμε να παρατηρήσουμε τις δύο κατηγορίες διαιρούμενες με έναν κεντρικό άξονα και δύο αποστάσεις απόστασης μεταξύ τους.

Στην πραγματική ζωή είναι πολύ δύσκολο να βρεις μοντέλα τόσο σαφή όσο αυτά σε αυτές τις εικόνες, αλλά είναι πάντα δυνατό να έχουμε μια προσέγγιση.