এসভিএমে কার্নেলের পার্থক্য?


27

কেউ দয়া করে আমাকে এসভিএমের কার্নেলের মধ্যে পার্থক্য বলতে পারেন:

  1. রৈখিক
  2. বহুপদ
  3. গাউসিয়ান (আরবিএফ)
  4. সিগমা

কারণ আমরা জানি যে কার্নেলটি আমাদের ইনপুট স্পেসটিকে উচ্চ মাত্রিক বৈশিষ্ট্যযুক্ত স্থানে ম্যাপ করতে ব্যবহৃত হয়। এবং সেই বৈশিষ্ট্য স্পেসে আমরা লিনিয়ারে পৃথক পৃথক সীমানা খুঁজে পাই ..

এগুলি কখন ব্যবহৃত হয় (কোন অবস্থার অধীনে) এবং কেন?

উত্তর:


4

লিনিয়ার কার্নেলটি আপনি যা প্রত্যাশা করবেন তা লিনিয়ার মডেল। আমি বিশ্বাস করি যে বহুপদী কার্নেলটি একই রকম, তবে সীমানাটি কিছু সংজ্ঞায়িত তবে স্বেচ্ছাসেবী অর্ডারের

(উদাঃ 3 অর্ডার: a=b1+b2X+b3X2+b4X3 )।

আরবিএফ ডেটা পয়েন্টগুলির চারপাশে সাধারণ বক্ররেখা ব্যবহার করে এবং এর যোগফল দেয় যাতে সিদ্ধান্তের সীমানাটি এমন এক ধরণের টপোলজির শর্ত দ্বারা সংজ্ঞায়িত করা যায় যেমন বক্ররেখা যেখানে যোগফলটি 0.5 এর মানের উপরে থাকে। (এই ছবিটি দেখুন )

সিগময়েড কার্নেলটি কী তা আমি নিশ্চিত নই, যদি না এটি লজিস্টিক রিগ্রেশন মডেলের অনুরূপ হয় যেখানে লজিস্টিক ফাংশনটি কার্ভগুলি নির্ধারণ করতে ব্যবহৃত হয় যেখানে লজিস্টিক মান কিছু মান (মডেলিংয়ের সম্ভাবনা) এর চেয়ে বেশি হয়, যেমন সাধারণের মতো 0.5 কেস।


সুতরাং, আমরা যদি লিনিয়ার কার্নেলটি ব্যবহার করি তবে লিনিয়ারলি বিভাজক হাইপারপ্লেন (সীমানা) পেতে পারি ?? এবং যদি আমরা বহুপদী বা আরবিএফ কার্নেল ব্যবহার করি তবে (বহুপথের জন্য) হাইপারলেন গ্রুপযুক্ত শ্রেণির (আরবিএফের জন্য) এবং বক্ররেখা হতে পারে ?? এটা কি সঠিক?? scikit-learn.org/stable/modules/svm.html
ব্যবহারকারী 3378327

প্রতিটি কর্নাল তাদের নিজ নিজ সীমানার উচ্চ মাত্রার সংস্করণের জন্য কাজ করে। এতে আপনার প্রশ্নের উত্তর হলো কি? আমি সচেতন যে কোনও কার্নেলের জন্য আপনি তিনটি মাত্রার মধ্যে সীমাবদ্ধ নন।
জন ইয়েটার

আমি শুধু এটি পরিষ্কার করতে চাই। সুতরাং লিনিয়ার কার্নেল ব্যবহার করে সীমানাটি একটি রৈখিক? আরবিএফের জন্য কি গ্রুপযুক্ত শ্রেণির বৃত্তের মতো ?? এবং বহুপদী জন্য, এটি বহুবর্ষের ডিগ্রির উপর ভিত্তি করে বক্ররেখা হতে পারে ??
ব্যবহারকারী 3378327

আমি বলব না আরবিএফ একটি গ্রুপযুক্ত শ্রেণির একটি বৃত্ত। আমার বোধগম্যতা হ'ল এটি প্রতিটি ডেটা পয়েন্টে একটি সাধারণ বিতরণের উপর ভিত্তি করে একটি ফাংশন প্রয়োগ করে এবং এই ফাংশনগুলির অঙ্ক করে। তারপরে বাঁক দ্বারা একটি সীমা তৈরি করা হয় যা সেই ফাংশনের একটি নির্দিষ্ট মান উপস্থাপন করে। যদি কোনও এসভিএম লাইব্রেরিতে অবদান রেখেছেন এমন ব্যক্তি যদি চিমে প্রবেশ করতে পারে তবে এটি সাহায্য করতে পারে। আমি মনে করি যে অন্য দুটি কর্নেল সম্পর্কে আপনার বোঝা সঠিক।
জন ইয়েটার

ইউ বলেছেন যে লিনিয়ার কার্নেলটি আমি প্রত্যাশা করলাম (কর্নেলটি ব্যবহার করে লাইনারি বিভাজনযোগ্য শ্রেণি পেতে)। এবং এসভিএম শ্রেণিবদ্ধ ব্যবহার করে, আমরা এটিকে লিনিয়ার এসভিএম বলেছি called তবে কীভাবে যদি আমরা এসভিএমের কোনও কার্নেল ছাড়াই লিনিয়ারলি পৃথকযোগ্য ডেটা পেতে পারি। আমরা এটাকে কি বলি ?? এখনও লিনিয়ার এসভিএম বা নন লাইনার এসভিএম ??
ব্যবহারকারী 3378327

11

কার্নেলগুলি সম্পর্কে পাঠকের প্রাথমিক জ্ঞানের উপর নির্ভর করা।

K(X,Y)=XTY

K(X,Y)=(γXTY+r)d,γ>0

K(X,Y)=exp(XY2/2σ2)exp(γXY2),γ>0

K(X,Y)=tanh(γXTY+r)

rdγ


3
যদিও আপনার উত্তরের তথ্য সঠিক, আমি মনে করি না যে এটি এখানে উত্থাপিত প্রশ্নের উত্তর দেয়, যা তাদের মধ্যে ব্যবহারিক পার্থক্য সম্পর্কে আরও বেশি, যেমন কখন একটি বা অন্যটি ব্যবহার করতে হয়।
ফায়ারব্যাগ

1
আশ্চর্যজনকভাবে এই সাধারণ সংজ্ঞাটি পাওয়া শক্ত। কার্নেলের পার্থক্য সম্পর্কে কথা বলার সময় এগুলিকে প্রথম উপস্থাপিত করা উচিত, তবুও সেগুলি জানাতে বিস্তৃত ব্যর্থতা রয়েছে।
cammil

এগুলির জন্য কোনও সরকারী উত্স আছে? (আমি তাদের পরীক্ষা করেছি এবং সেগুলি সঠিক বলে মনে হচ্ছে, তবে আমি তাদের উদ্ধৃত করতে সক্ষম হতে চাই))
খ্রিস্টান এরিকসন

6

এই প্রশ্নের তাত্ত্বিক এবং ব্যবহারিক দৃষ্টিকোণ থেকে উত্তর দেওয়া যেতে পারে। নো-ফ্রি লাঞ্চের উপপাদ্য অনুসারে তাত্ত্বিক থেকে বলা হয়েছে যে একটি কার্নেলের অপরের চেয়ে ভাল কাজ করার কোনও গ্যারান্টি নেই। এটি এমন প্রাক-অগ্রাধিকার যা আপনি কখনই জানেন না বা কোন কার্নেল আরও ভাল কাজ করবে তা আপনি জানতে পারবেন না।

ব্যবহারিক দৃষ্টিকোণ থেকে নিম্নলিখিত পৃষ্ঠায় পরামর্শ করুন:

এসভিএমের জন্য কার্নেলটি কীভাবে নির্বাচন করবেন?


1

কার্নেলটি কী "ভাল" বা এটি কখন ব্যবহার করা উচিত তা বিবেচনা করার সময়, কোনও কঠোর এবং দ্রুত নিয়ম নেই।

আপনি যদি শ্রেণিবদ্ধ / রেজিস্ট্রার প্রদত্ত কার্নেলের সাথে ভাল পারফর্ম করে থাকেন তবে এটি উপযুক্ত, যদি না হয় তবে অন্যটিতে পরিবর্তন বিবেচনা করুন।

আপনার কার্নেল কীভাবে সঞ্চালন করতে পারে তা অন্তর্দৃষ্টি, বিশেষত যদি এটি শ্রেণিবদ্ধকরণের মডেল হয় তবে কিছু ভিজ্যুয়ালাইজেশন উদাহরণগুলি পর্যালোচনা করে তা অর্জন করা যেতে পারে, যেমন https://gist.github.com/WittmannF/60680723ed8dd0cb993051a7448f7805

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.