प्रौद्योगिकी साझेदारी

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

एकं समर्थनसदिशयन्त्रम्

१ सदिशयन्त्राणां समर्थनस्य परिचयः : १.

समर्थनसदिशयन्त्रं (SVM) प्रथमवारं कोरिना कोर्टेस् तथा वाप्निकेन १९९५ तमे वर्षे प्रस्तावितं आसीत् ।एतत् लघुनमूना, अरैखिकं उच्च-आयामी च प्रतिरूपपरिचयस्य समाधानं कर्तुं अनेके अद्वितीयलाभाः दर्शयति

२ समर्थन सदिशयन्त्रसिद्धान्तः : १.

n-आयामी अन्तरिक्षे एकं वर्गीकरण-अतिविमानं ज्ञात्वा अन्तरिक्षे बिन्दून् वर्गीकृत्य बिन्दु-रेखायां विद्यमानाः बिन्दवः समर्थन-सदिश-यन्त्राणि Supprot Verctor इति उच्यन्ते, तथा च मध्ये रक्तरेखा सुपर-विमानः इति कथ्यते सर्वेषां बिन्दूनां सुपर प्लेनस्य च मध्ये दूरं वर्धयन्तु।



रेखीयरूपेण अविभाज्यस्थितीनां कृते अस्माकं सामान्यः उपायः नमूनाविशेषतानां उच्च-आयामी-अन्तरिक्षे नक्शाङ्कनं भवति ।
परन्तु उच्च-आयामी-अन्तरिक्षे मानचित्रणस्य परिणामः अत्यधिक-बृहत्-आयामी, जटिल-गणना च भवितुम् अर्हति । अत्र पुनः कर्नेल् फंक्शन् प्रवर्तते;

कर्नेल् फंक्शन् : अरेखीय-मानचित्रणं इति अपि कथ्यते, एतत् नमूना-विशेषतां उच्च-आयामी-अन्तरिक्षे मैप् करोति, अस्मिन् स्थाने इष्टतमं अतिविमानं च निर्माति
कर्नेल फंक्शन प्रकार: रेखीय कर्नेल, बहुपद कर्नेल, गॉसियन कर्नेल (rbf), आदि।

नियमितं नित्यं C: SVM मध्ये Lagrange गुणकस्य बाध्यतायाः डिग्रीं निर्दिशति


नियमितनित्यस्य मूल्यं यावत् बृहत् भवति, दण्डः तावत् अधिकः भवति, दोषसहिष्णुः न्यूनः भवति, समर्थनसदिशः अधिकः भवति, येन सहजतया अतिसङ्गतिः भवितुम् अर्हति
प्रत्युत नियमितनित्यं यथा लघु भवति तथा अण्डरफिटिंग् इत्यस्य कारणं सुलभं भवति ।

३ एसवीएम मोड्

one-versus-all (one-versus-all method): प्रशिक्षणकाले कस्यचित् वर्गस्य नमूनानां क्रमेण एकस्मिन् वर्गे वर्गीकरणं भवति, अन्ये अवशिष्टाः नमूनाः अन्यस्मिन् वर्गे वर्गीकृताः भवन्ति एवं प्रकारेण n SVMs निर्मिताः भवन्ति नमूनानां श्रेणीः ।

एक-विरुद्ध-एक (एक-विरुद्ध-एक-विधिः): प्रशिक्षणस्य समये कस्यापि द्वयोः प्रकारयोः नमूनानां मध्ये एसवीएम-निर्माणं भवति, अतः n (n-1)/2 एसवीएम-नमूनानां n श्रेणीनां कृते डिजाइनं कर्तुं आवश्यकम् अस्ति

४ विशेषता सदिश पूर्वसंसाधनप्रकाराः : १.

canonical_variates: रेखीय सहसंबंध विश्लेषणं रेखीयप्रतिगमने, वयं नमूनाबिन्दून् फिट् कर्तुं सीधीरेखानां उपयोगं कुर्मः तथा च n-आयामी विशेषता सदिशस्य X तथा उत्पादनपरिणामस्य Y मध्ये रेखीयसम्बन्धं ज्ञातुं शक्नुमः

प्रधानघटकविश्लेषणम् : प्रधानघटकविश्लेषणम् (PCA) एकः सांख्यिकीयप्रक्रिया अस्ति या सम्भाव्यसहसंबद्धचरानाम् अवलोकितानां मूल्यानां समुच्चयं रेखीयरूपेण असहसंबद्धचरानाम् मूल्यसमूहे परिवर्तयितुं लंबवतरूपान्तरणस्य उपयोगं करोति, येषां नाम प्रधानघटकाः