Tôi đang học Support Vector Machines và tôi không thể hiểu làm thế nào một nhãn lớp được chọn cho một điểm dữ liệu trong trình phân loại nhị phân. Có phải nó được lựa chọn bởi sự đồng thuận liên quan đến việc phân loại theo từng chiều của siêu phẳng tách biệt?
Sử dụng SVM làm phân loại nhị phân, nhãn có phải là điểm dữ liệu được chọn bởi sự đồng thuận không?
Câu trả lời:
Thuật ngữ đồng thuận , theo như tôi quan tâm, được sử dụng thay cho các trường hợp khi bạn có nhiều hơn một nguồn số liệu / thước đo / lựa chọn để đưa ra quyết định. Và, để chọn kết quả có thể, bạn thực hiện một số đánh giá / đồng thuận trung bình đối với các giá trị có sẵn.
Đây không phải là trường hợp cho SVM. Thuật toán dựa trên tối ưu hóa bậc hai , tối đa hóa khoảng cách từ các tài liệu gần nhất của hai lớp khác nhau, sử dụng một siêu phẳng để phân chia.
Vì vậy, sự đồng thuận duy nhất ở đây là siêu phẳng kết quả, được tính toán từ các tài liệu gần nhất của mỗi lớp. Nói cách khác, các lớp được quy cho mỗi điểm bằng cách tính khoảng cách từ điểm đến siêu phẳng xuất phát. Nếu khoảng cách là dương, nó thuộc về một lớp nhất định, nếu không, nó thuộc về một lớp khác.