Svm 은 무엇을 의미합니까?

svm 은 지원 벡터 머신을 의미합니다.

SVM 설명:

SVM (Support Vector Machine) 은 감독 학습 (supervised learning) 방식으로 데이터를 이진 분류하는 일반화 된 선형 분류기 (generalized linear classifier) 입니다

svm 의 특성:

SVM 의 최적화 문제는 경험적 위험과 구조적 위험 최소화를 모두 고려하므로 안정성이 있습니다. 기하학적 관점에서 볼 때 SVM 의 안정성은 초평면 의사 결정 경계를 구성할 때 가장 큰 여백을 요구하므로 간격 경계 사이에 테스트 샘플을 수용할 수 있는 충분한 공간이 있습니다.

SVM 은 힌지 손실 함수를 프록시 손실로 사용합니다. 힌지 손실 함수의 값 특성은 SVM 을 희소하게 만듭니다. 즉, 의사 결정 경계는 지원 벡터에 의해서만 결정되고 나머지 샘플 점은 경험적 위험 최소화에 참여하지 않습니다. 커널 방법을 사용하는 비선형 학습에서 SVM 의 견고성과 희소성은 신뢰할 수 있는 해결 결과를 보장하면서 코어 매트릭스의 계산량과 메모리 오버헤드를 줄입니다.

svm 애플리케이션:

1, 스팸 필터링

은 e-메일 서비스 공급업체에게 스팸 필터링은 중요한 작업입니다. SVM 은 메시지 내용의 특징 (예: 단어, 구, 텍스트 길이 등) 을 태그 지정된 교육 데이터와 학습한 다음 해당 특성에 따라 메시지를 스팸이나 스팸으로 자동 분류할 수 있습니다.

2, 감정 분석 < P > 소셜 미디어 및 온라인 리뷰와 같은 환경에서 감정 분석은 조직과 개인이 특정 주제나 제품에 대한 사용자 감정 성향을 이해하는 데 도움이 됩니다. SVM 은 텍스트의 단어, 단어 빈도, 감정 단어 등의 특징에 따라 텍스트를 긍정적, 부정적 또는 중립적 감정으로 분류할 수 있습니다.

3, 이미지 분류

SVM 은 가져온 이미지를 다른 범주로 자동 분류하는 데 사용할 수 있습니다. 이미지 분류 작업에서 먼저 이미지를 피쳐 추출해야 하며 SIFT, HOG 등과 같은 피쳐 설명자를 사용할 수 있습니다. 그런 다음 추출된 피쳐를 입력으로 사용하여 지원 벡터 기계 모델을 교육하여 범주 간 인터페이스를 학습하고 최종적으로 새 이미지를 분류합니다.