Destek vektör makinesi

Destek vektör makinesi (kısaca DVM), eğitim verilerindeki herhangi bir noktadan en uzak olan iki sınıf arasında bir karar sınırı bulan vektör uzayı tabanlı makine öğrenme yöntemi olarak tanımlanabilir.

Teori

$x_{i}$ ile temsil edilen her girdi, D özelliğine sahip olsun ve sadece $y_{i}$ = -1 ya da +1 sınıflarından birine ait olsun, bu durumda tüm girdileri şöyle gösterebiliriz:

$\{x_{i},y_{i}\}|i=1\ldots L,y_{i}\in \{-1,1\},x\in \Re ^{D}$

Kernel Metodlari

Veri kumesinin dogrusal olarak siniflandirilmasi mumkun olmayan durumlarda, herbir berinin ust ozellik uzayina map edilmesi ve yine bu yeni uzayda bir hyperplane yardimiyla siniflandirilmasi yontemine verilen isimdir.

Radial Basis Function (RBF) Kernel

$K(x,y)=e^{\gamma |x-y|^{2}}$

Cok terimli (Polinomial) Kernel

$K(x,y)={(x\cdot y+1)}^{n}$

Cok sinifli verinin siniflandirilmasi

Destek vektor makineleri daha cok iki siniftan olusan veriyi ayirmada kullanilmaktadir, ornegin positif veya negatif.

One-vs-All Yontemi

Genel anlamda sinif sayisi kadar DVM nin birbirine fuzyonuyla elde edilir. Her DVM cikan her bir sinifi diger siniflarla karsilastirark bi sonuca ulasir.

All-vs.-All Yontemi

One-vs.-All yontemine paralel bir yontemdir sadece son karar kismi bu yontemi digerinden ayirir.