I "maskinlæring", den Support Vector Machine (SVM) er en overvåket læringsmodell med tilhørende algoritmer som analyserer data og gjenkjenner mønstre, brukt til klassifisering og regresjonsanalyse i Business Intelligence. De SVM Basic tar et sett med inngangsdata og forutsier, for hver gitt inngang, hvilken av de to klassene output tilhører, så det er en binær lineær ikke-sannsynlig klassifisering (bare velg mellom 2 valg). Gitt et sett med opplæringseksempler, som hver er merket som en av to kategorier, bygger en treningsalgoritme en modell som tildeler nye eksempler i en kategori eller annet. Denne typen modeller brukes mye til analyse av modeller der et sett med data må klassifiseres i bare to kategorier, svindel eller nei-svindel, ja eller nei til kreditt, etc. En SVM-modell er en representasjon av eksemplene (database som estimeringen ble utført med) som punkter i rommet, slik at tilordne eksemplene på separate kategorier som generelt er delt av et definert rom, et rom som må være så bredt som det er mulig. De nye inngangsdataene blir klassifisert i samme rom og for å forutsi hvilken kategori de tilhører.
Support Vector Machine det er basert på det faktum at hver nye data kan klassifiseres innenfor den tilsvarende kategorien basert på læring av de analyserte dataene. I eksemplet nedenfor tilhører objektene bare en klasse, enten grønn eller rød. Separasjonslinjen definerer en grense på høyre side der alle objekter er grønne og til venstre der alle objekter er røde.
Annonser
I dette andre eksemplet kan vi observere de to kategoriene delt på en sentral akse og to klaringavstander mellom dem.
Annonser
I virkeligheten er det veldig vanskelig å finne modeller så tydelige som de i disse bildene, men det er alltid mulig å ha en tilnærming.
Annonser
