طراحی تابع هزینه و مرز تصمیم در ماشین بردار پشتیبان

ماشین بردار پشتبیان یکی از طبقه بندهای معروف در حوزه شناسایی الگو جهت دسته بندی داده ها است. طبقه بند SVM پایه ثابت اکثر مقالات تخصصی است و می بینیم که از طبقه بندی SVM برای طبقه بندی در اکثر کارها استفاده می کنند. تابع هزینه در SVM دارای دو جزء است: ۱- پهنای مرز تصمیم ۲ - جریمه کردن داده هایی که خارج از کلاسشون قرار گرفتند و یا خارج از محدوده تصمیم هستند (یعنی داخل مرز تصمیم). از طرفی طبقه بند SVM به طور صریح و مشخص دنبال پیدا کردن بهترین مرز ممکن در مسائل طبقه بندی هست. به خاطر اینکه برای پیدا کردن مرز بهینه از بردارهای پشتیبان کمک می گیرد، با عث می شود در ابعاد بالا هم خیلی خوب عمل می کند و این یکی از مهمترین لیل محبوبیت SVM است. ما در این مقاله به دنبال طراحی تابع هزینه ماشین بردار پشتیبان هستیم و در آخر مفاهیم محدوده تصمیم در مشاین بردار پشتیبان را به اختصار بررسی کردیم و ارتباط آن با تابع هزینه بیان کردیم.

کلیدواژه ها:

یادگیری ماشین ، ماشین بردار پشتیبان ، رگرسیون لجستیک ، تابع هزینه ، مرز تصمیم