সাপোর্ট ভেক্টর মেশিনগুলির জন্য কোন ধরণের শিখন সমস্যা উপযুক্ত?


16

হলমার্ক বা বৈশিষ্ট্যগুলি কী কী যা ইঙ্গিত দেয় যে সমর্থন ভেক্টর মেশিন ব্যবহার করে একটি নির্দিষ্ট শিক্ষার সমস্যা মোকাবেলা করা যেতে পারে?

অন্য কথায়, এটি কী, যখন আপনি কোন শেখার সমস্যা দেখেন, আপনাকে যেতে বাধ্য করে তোলে "ওহ আমার অবশ্যই এই জন্য এসভিএম ব্যবহার করা উচিত নয় 'বরং নিউরাল নেটওয়ার্ক বা সিদ্ধান্ত গাছ বা অন্য কিছু?


supervised learningট্যাগটি সরানো হয়েছে , যেহেতু এসভিএম এর অব্যাহত শেখার সমস্যাগুলিতেও ব্যবহার করা যেতে পারে ।
ডওয়ানি 33

কীভাবে এসএমএম আনসারভিজড সমস্যার জন্য ব্যবহার করা যেতে পারে এবং কোন প্যাকেজ এটি প্রয়োগ করে?
জর্জেফএফআরএফ 12:36

@ এমএল_প্রো দয়া করে আমার মন্তব্যে অন্তর্ভুক্ত লিঙ্কটিটি দেখুন through
দাওয়ানি 33

3
@ ডাউনি 33, নিরীক্ষণযোগ্য শিক্ষায় এসভিএমগুলির প্রয়োগ ব্যতিক্রম এবং নিয়ম নয়। এসভিএম একটি তত্ত্বাবধানে শেখার পদ্ধতি।
AN6U5

1
@ এএন 6 ইউ 5 জানানোর জন্য ধন্যবাদ :) exceptionআপনি কি বোঝাতে চেয়েছেন যে এটি কেবল একটি সাম্প্রতিক এবং কনভেনশন নয়, তাই না?
দাওয়ানি 33

উত্তর:


7

এসভিএম শ্রেণীবদ্ধকরণ (বিভিন্ন গ্রুপ বা শ্রেণীর মধ্যে পার্থক্য) এবং রিগ্রেশন (কোনও কিছুর পূর্বাভাস দেওয়ার জন্য গাণিতিক মডেল অর্জন করা) জন্য ব্যবহার করা যেতে পারে। এগুলি রৈখিক এবং অ লিনিয়ার উভয় সমস্যাতেই প্রয়োগ করা যেতে পারে।

2006 অবধি তারা মেশিন লার্নিংয়ের জন্য সেরা সাধারণ উদ্দেশ্য অ্যালগরিদম ছিল। আমি এমন একটি কাগজ সন্ধানের চেষ্টা করছিলাম যা সর্বাধিক পরিচিত অ্যালগরিদমগুলির অনেকগুলি বাস্তবায়নকে তুলনা করে: এসভিএম, নিউরাল নেট, গাছ ইত্যাদি I কাগজে লাইব্রেরি libsvm সহ সেরা পারফরম্যান্সটি পেয়েছিল অ্যালগরিদমটি ছিল svm।

2006 সালে হিন্টন গভীর শিক্ষা এবং নিউরাল নেট নিয়ে এসেছিলেন। তিনি শিল্পের বর্তমান অবস্থাকে কমপক্ষে 30% দ্বারা উন্নত করেছেন, এটি একটি বিশাল অগ্রগতি। তবে গভীর শেখা বিশাল প্রশিক্ষণের জন্য উপযুক্ত পারফরম্যান্স পেয়েছে। আপনার যদি একটি ছোট প্রশিক্ষণ সেট থাকে তবে আমি এসএমএম ব্যবহার করার পরামর্শ দেব।

তদ্ব্যতীত আপনি বিজ্ঞানী-শিখার মাধ্যমে বিভিন্ন মেশিন লার্নিং অ্যালগরিদমগুলি কখন ব্যবহার করবেন সে সম্পর্কে একটি দরকারী ইনফোগ্রাফিক পাবেন । তবে আমার জ্ঞানের সেরাটি সম্পর্কে বৈজ্ঞানিক সম্প্রদায়ের মধ্যে কোনও সমঝোতা নেই যদি কোনও সমস্যাটির এক্স, ওয়াই এবং জেড বৈশিষ্ট্য থাকে তবে এসএমএম ব্যবহার করা ভাল। আমি বিভিন্ন পদ্ধতি চেষ্টা করার পরামর্শ দেব। এছাড়াও, দয়া করে ভুলে যাবেন না যে এসএমএম বা নিউরাল জাল কেবল একটি মডেল গণনা করার একটি পদ্ধতি। এটি আপনি যে বৈশিষ্ট্যগুলি ব্যবহার করেন তা খুব গুরুত্বপূর্ণ।


1
@ হুপহুমাবিড আমি এসভিসি এবং এসভিআর সম্পর্কে জানি এবং আমরা এনএলপিগুলিতে এসভিএম প্রয়োগ করতে কার্নেলগুলি ব্যবহার করতে পারি এবং আমি যেসব কাগজপত্রগুলি এসভিএমগুলিকে অন্যান্য শিক্ষার অ্যালগরিদমের সাথে তুলনা করি সে সম্পর্কে আমি অবগত রয়েছি ... আমি ভাবছিলাম এমন সম্ভাব্য শিক্ষণ সমস্যার বৈশিষ্ট্যগুলি সম্পর্কে যা আমি ভাবছিলাম এটা স্পষ্ট যে এটি একটি এসভিএম দিয়ে মোকাবেলা করা উচিত। অন্য কথায়, এটি কী যে আপনি যখন কোনও শিক্ষার সমস্যা দেখেন তখন আপনাকে যেতে "ওহ আমার অবশ্যই" NNs বা সিদ্ধান্ত গাছ বা অন্য কিছু না করে এসভিএম ব্যবহার করা উচিত
রাগনার

@ রাগনার দয়া করে আমার সম্পাদিত প্রতিক্রিয়া দেখুন
hoaphumanoid

2

আসুন ধরে নেওয়া যাক আমরা একটি শ্রেণিবদ্ধকরণ সেটিংয়ে আছি।

জন্য svmবৈশিষ্ট্য ইঞ্জিনিয়ারিং ভিত্তি হল:

  • সেটগুলি রৈখিকভাবে পৃথক হতে হবে। অন্যথায় ডেটা রূপান্তর করা প্রয়োজন (যেমন কার্নেল ব্যবহার করে)। এটি নিজেই আলগো দ্বারা করা হয়নি এবং বৈশিষ্ট্যের সংখ্যাটি ফুটিয়ে তুলতে পারে।
  • আমি বলব যে svmআমরা অন্যান্য পদ্ধতিগুলির (বৃক্ষের আঁটি) চেয়ে দ্রুত মাত্রার সংখ্যা বৃদ্ধি করায় পারফরম্যান্স ক্ষতিগ্রস্থ হয়। এটি সীমাবদ্ধ অপ্টিমাইজেশান সমস্যার কারণে রয়েছে svms কখনও কখনও বৈশিষ্ট্য হ্রাস সম্ভব, কখনও কখনও না এবং এটি যখন আমরা সত্যিকারের কার্যকর ব্যবহারের পথ প্রশস্ত করতে পারি নাsvm
  • svmবৈশিষ্ট্য সংখ্যা পর্যবেক্ষণের সংখ্যার চেয়ে অনেক বড় যেখানে সম্ভবত একটি ডেটাসেট নিয়ে লড়াই করবে। এটি আবারও সীমাবদ্ধ অপটিমেশিয়ম সমস্যাটি দেখে বোঝা যায়।
  • শ্রেণীবদ্ধ ভেরিয়েবলগুলি svmআলগোরিদিম দ্বারা বাক্সের বাইরে পরিচালনা করা হয় না ।
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.