Support Vectors
Linear Classifiers ใน Python
Michael (Mike) Gelbart
Instructor, The University of British Columbia
SVM คืออะไร?
- Linear classifiers (จนถึงตอนนี้)
- ฝึกโดยใช้ hinge loss และ L2 regularization
- Support vector: ตัวอย่างข้อมูลที่ ไม่อยู่ในส่วนแบนของกราฟ loss
- Support vector: ตัวอย่างที่ถูกจัดประเภทผิด หรือ อยู่ใกล้ขอบเขต
- หากตัวอย่างไม่ใช่ support vector การลบออกจะไม่มีผลต่อโมเดล
- การมี support vector จำนวนน้อยทำให้ kernel SVM ทำงานได้เร็วมาก
มุมมอง Max-margin
- SVM จะขยาย "margin" ให้กว้างที่สุดสำหรับชุดข้อมูลที่แบ่งแยกได้เชิงเส้น
- Margin: ระยะทางจากขอบเขตถึงจุดข้อมูลที่ใกล้ที่สุด
มุมมอง Max-margin
- SVM จะขยาย "margin" ให้กว้างที่สุดสำหรับชุดข้อมูลที่แบ่งแยกได้เชิงเส้น
- Margin: ระยะทางจากขอบเขตถึงจุดข้อมูลที่ใกล้ที่สุด
