আমি মনে করি আপনি খারাপ প্রান্ত থেকে শুরু করার চেষ্টা করছেন। এটি ব্যবহারের জন্য এসভিএম সম্পর্কে যা জানা উচিত তা কেবল এই যে এই অ্যালগরিদম বৈশিষ্ট্যগুলির হাইপারস্পেসে একটি হাইপারপ্লেন সন্ধান করছে যা দুটি শ্রেণিকে সবচেয়ে ভাল পৃথক করে, যেখানে শ্রেণীর মধ্যে সবচেয়ে বড় ব্যবধানের সর্বোত্তম উপায় (এটি কীভাবে করা হয় তা জ্ঞানটি এখানে আপনার শত্রু, কারণ এটি সামগ্রিক চিত্রকে ঝাপটায়), এর মতো একটি বিখ্যাত ছবি দ্বারা চিত্রিত:
এখন, কিছু সমস্যা বাকি আছে।
প্রথমত, সেই সমস্ত দুষ্টু অপ্রত্যাশিত লোকেরা কি অন্য শ্রেণীর পয়েন্টের মেঘের কেন্দ্রে নির্লজ্জভাবে শুয়ে আছেন?
এ লক্ষ্যে আমরা অপ্টিমাইজারকে নির্দিষ্ট নমুনা বিভ্রান্তিকর রেখে দেওয়ার অনুমতি দিই, তবুও এরকম প্রতিটি উদাহরণকে শাস্তি দেব। বহুমুখী অপিমেশন এড়ানোর জন্য, বিভ্রান্তিযুক্ত মামলার জরিমানা মার্জিন আকারের সাথে অতিরিক্ত প্যারামিটার সি ব্যবহার করে মার্জ করা হয় যা সেই লক্ষ্যের মধ্যে ভারসাম্য নিয়ন্ত্রণ করে।
এরপরে, কখনও কখনও সমস্যাটি কেবল রৈখিক নয় এবং কোনও ভাল হাইপারপ্লেন পাওয়া যায় না। এখানে আমরা কার্নেল ট্রিকটি প্রবর্তন করেছি - আমরা কেবলমাত্র মূল, ননলাইনার স্পেসটি কিছু উচ্চতর মাত্রার সাথে কিছু অরৈখিক রূপান্তর সহ প্রজেক্ট করব, অবশ্যই অতিরিক্ত পরামিতিগুলির একগুচ্ছ দ্বারা সংজ্ঞায়িত করা হয়েছে, এই আশায় যে ফলস্বরূপ স্থানটি সমস্যাটি একটি সমতলের জন্য উপযুক্ত হবে ing SVM:
তবুও আবার কিছু গণিতের সাথে এবং আমরা দেখতে পাচ্ছি যে এই পুরো রূপান্তর প্রক্রিয়াটি তথাকথিত কার্নেল ফাংশন দিয়ে অবজেক্টগুলির ডট পণ্য প্রতিস্থাপন করে উদ্দেশ্য ফাংশনটি পরিবর্তন করে মার্জিতভাবে লুকানো যেতে পারে।
সবশেষে, এটি 2 টি শ্রেণীর জন্য কাজ করে এবং আপনার 3 টি রয়েছে; এটা নিয়ে কি করতে চান? এখানে আমরা 3 টি শ্রেণির শ্রেণিবদ্ধ তৈরি করি (বসে আছেন - বসে নেই, দাঁড়িয়ে নেই - দাঁড়িয়ে নেই, হাঁটছেন না - হাঁটছেন) এবং শ্রেণিবিন্যাসে তাদের ভোটদানের সাথে একত্রিত করুন।
ঠিক আছে, সুতরাং সমস্যাগুলি সমস্যার সমাধান বলে মনে হচ্ছে, তবে আমাদের কার্নেলটি নির্বাচন করতে হবে (এখানে আমরা আমাদের অন্তর্দৃষ্টি দিয়ে পরামর্শ করব এবং আরবিএফ বাছাই করব) এবং কমপক্ষে কয়েকটি পরামিতি (সি + কার্নেল) ফিট করব। এবং আমাদের অবশ্যই এটির জন্য ওভারফিট-সেফ অবজেক্টিভ ফাংশন থাকতে হবে, উদাহরণস্বরূপ ক্রস-বৈধতা থেকে ত্রুটি অনুমানের। সুতরাং আমরা কম্পিউটারটি এটিতে কাজ করি, একটি কফির জন্য যাই, ফিরে এসে দেখি যে এখানে কিছু অনুকূল পরামিতি রয়েছে। গ্রেট! এখন আমরা ত্রুটি কাছাকাছি এবং voila আছে নেস্টেড ক্রস বৈধকরণ শুরু।
এই সংক্ষিপ্ত ওয়ার্কফ্লোটি অবশ্যই পুরোপুরি সঠিক হতে খুব সহজ হয়েছে, তবে আমি কেন মনে করি যে আপনি প্রথমে এলোমেলো বন , যা প্রায় পরামিতি-স্বাধীন, নেটিভ মাল্টিক্লাসের সাথে চেষ্টা করা উচিত , নিরপেক্ষ ত্রুটির প্রাক্কলন সরবরাহ করে এবং প্রায় ভাল ভাল লাগানো এসভিএমগুলি সম্পাদন করে ।