АНАЛИЗ ЭФФЕКТИВНОСТИ МАШИН ОПОРНЫХ ВЕКТОРОВ В КЛАССИФИКАЦИИ ДАННЫХ И ИХ ПРАКТИЧЕСКИЕ ПРИМЕНЕНИЯ

Хежжо Мухсен

Одним из методов классификации, рассматриваемых в данной работе, является классификатор на основе машин опорных векторов. Машина опорных векторов (SVM) представляет собой метод обучения с учителем, который обеспечивает соответствие между желаемыми входными и выходными данными. Этот метод основан на статистической теории обучения и находит применение в задачах классификации, таких как диагностика заболеваний, классификация изображений и распознавание рукописного текста. Традиционные искусственные нейронные сети сталкиваются с проблемами обобщения, поскольку они основываются на принципе минимизации эмпирического риска (ERM). В связи с этим, в 1995 году Вапник разработал метод машин опорных векторов, направленный на улучшение процесса обобщения на основе принципа минимизации структурного риска (SRM]. Данный принцип превосходит минимизацию эмпирического риска, так как он фокусируется на снижении верхнего предела ожидаемого риска, а не только на уменьшении ошибок в обучающем наборе. Это различие обеспечивает векторной машине повышенные способности к обобщению, что является ключевой целью статистического обучения.

Ключевые слова:Опорные векторы, машина опорных векторов, множитель Лагранжа, ядерный трюк, максимальная маржа