1

Clasificatoare maini cu vectori suportElaborat de studenta grupei IA-121M Ilicovici IrinaConductor tiinific conf.univ.dr. Moraru Vasile SVM mbuntirea eficacitii clasificatorilor a fost o zon de cercetare intens n domeniul machine learning n ultimele dou decenii. Aceast aplecare a condus la crearea unei noi generaii de clasificatori aflai la cel mai nalt grad de dezvoltare cum ar fi: mainile cu vectori suport (support vector machines)Un clasificator SVM este un tip de clasificator cu margine inflexibil o metod din machine learning ce se bazeaz pe folosirea modelului spaiului vectorial n care elul l constituie gsirea unei granie de decizie (decision boundary) ntre dou clase, care este ct se poate de deprtat de orice punct din setul de antrenare (exceptnd doar punctele distanate foarte mult de restul datelor (outliers) i punctele zgomot (noise)). Clasificator SVMmargine flexibil (soft margin) care permite creterea n lime a graniei decizionale, sacrificnd n schimb clasificarea corect a punctelor zgomotAlgoritmi de calcul paralel Mainile cu vectori suport ( support vector machines ) sunt un exemplu de clasificatori liniari binari.Datele pentru o astfel de problem constau din obiecte etichetate cu una din cele dou etichete posibile; pentru uurin s presupunem c etichetele sunt +1 (exemple pozitive) i -1(exemple negative). Un clasificator liniar se bazeaz pe o funcie liniar discriminant de forma urmtoare:f(x)= + bFuncia discriminant atribuie un scor pentru datele de intrare x , i este folosit pentru a decide cum s clasifice aceste date. Vectorul este cunoscut sub denumirea de vectorul ponderilor (weight vector) iar scalarul se numete direcie/deplasare/nclinare (bias). n plan punctele care satisfac ecuaia = 0 corespund unei linii/drepte trasate prin origine; n spaiu punctele determin un plan iar ntr-un spaiu multidimensional aceleai puncte determin un hiperplan.

SVM

Hiperplanul divide spaiul n dou jumti n funcie de semnul lui f(x), care indic de ce parte a hiperplanului se gsete un punct (vezi Fig 1.1): dac f(x) > 0, atunci se alege clasa pozitiv, altfel cea negativ. Grania dintre regiunile clasificate ca pozitive i negative se numete grani de decizie (decision boundary) a clasificatorului.

Un clasificator liniar ce separ dou clase de puncte n plan :

Studiu de cazFie mulimile A i B

Studiu de cazStudiu de caz

Studiu de caz

Studiu de caz

Studiu de caz

Studiu de caz

Studiu de cazConcluziiFolosirea mainilor cu suport vectorial necesit o nelegere n profunzime a modului n care acestea funcioneaz. Cnd se antreneaz un algoritm de maini cu suport vectorial, practicantul trebuie s ia un anumit numr de decizii importante: cum vor fi datele preprocesate, ce fel de nucleu se va folosi i, n final, setarea parametrilor att pentru nucleu ct i pentru mainile cu suport vectorial. Alegerile uniforme pot conduce la o performan sczut.

Mulumesc pentru atenie !