Tôi có một vài nghi ngờ trong việc hiểu các SVM bằng trực giác. Giả sử chúng tôi đã đào tạo một mô hình SVM để phân loại bằng cách sử dụng một số công cụ tiêu chuẩn như SVMLight hoặc LibSVM.
Khi chúng tôi sử dụng mô hình này để dự đoán dữ liệu thử nghiệm, mô hình sẽ tạo một tệp có giá trị "alpha" cho mỗi điểm kiểm tra. Nếu giá trị alpha dương, điểm kiểm tra thuộc về Lớp 1, thì điểm khác thuộc về Lớp 2. Bây giờ, chúng ta có thể nói rằng điểm kiểm tra có giá trị "alpha" lớn hơn thuộc về lớp tương ứng với xác suất "cao hơn" không?
Tương tự như câu hỏi đầu tiên, khi chúng tôi có một SVM được đào tạo. Các SV nằm rất gần mặt phẳng siêu phẳng. Vậy điều đó có nghĩa là SV thuộc về lớp đó với xác suất cao? Chúng ta có thể liên hệ xác suất của một điểm thuộc về một lớp với khoảng cách từ "siêu phẳng" không? Giá trị "alpha" có biểu thị khoảng cách từ "siêu phẳng" không?
Cảm ơn vì đầu vào của bạn.