Багатокласова класифікація за допомогою SVM Ідея полягає в тому, щоб відобразити точки даних у високовимірному просторі, щоб отримати взаємне лінійне розділення між кожними двома класами. Це називається підходом «один до одного», який розбиває багатокласову проблему на кілька проблем бінарної класифікації. 18 березня 2024 р.
У машинному навчанні та статистичній класифікації, багатокласова класифікація або мультиноміальна класифікація проблема класифікації екземплярів в один із трьох або більше класів (класифікація екземплярів в один із двох класів називається бінарною класифікацією).
Ви можете використовувати машину опорних векторів (SVM), якщо ваші дані мають рівно два класи. SVM класифікує дані, знаходячи найкращу гіперплощину, яка відокремлює всі точки даних одного класу від точок іншого класу.
Подвійна опорна векторна машина (DSVM). тип алгоритму машинного навчання, який використовується для задач класифікації. Це варіант стандартного алгоритму опорних векторів (SVM), який вирішує проблему оптимізації іншим способом.
Іншими словами, SVC — це SVM, який використовується для класифікації. Він намагається знайти гіперплощину, яка найкраще розділяє точки даних на різні класи. Терміни «SVC» і «SVM» іноді використовуються як синоніми, але коли хтось посилається на «SVC», вони зазвичай мають на увазі класифікаційний варіант алгоритму.
Приклад багатокласової класифікації, використовуючи зображення овочів, де кожне зображення є морквою, помідором або кабачком. Кожне зображення розміщується в одному з трьох класів. Наприклад, в одному образі не може бути і морква, і кабачок.