tayanch vektorlar mashinalari (svm)

PPTX 33 sahifa 2,0 MB Bepul yuklash

33 sahifa

FaylHub.uz

Telegram orqali yuklab olish

Hajm 2,0 MB

Fayl turi PPTX

Sahifalar 33

Yangilangan Dek 2025

Sahifa ko'rinishi (5 sahifa)

Pastga aylantiring 👇

1 / 33

tayanch vektorlar mashinalari (svm) tayanch vektorlar mashinalari (svm) rakhimova m.a gipertekislik orqali ajraladigan joylashuvga ega obyektlarning binar tasniflash masalasini ko’rib chiqamiz. soddalashtirish maqsadida tasavvur qilamiz obyektlar ikki o’lchamli fazoda berilgan bo’lsin. u holda har bir obyektni tekislikdagi nuqta sifatida ifodalash mumkin bo’ladi. o’rgatuvchi tanlanma obyektlari quyidagicha ajralgan bo’lsin: ko’rinib turibdiki ushbu holatda har xil ko’rinishdagi ajratuvchi chiziqlar to’plamini hosil qilish mumkin va bu chiziqlarning har biri bitta sinfni ikkinchisidan to’g’ri ajrata oladi. bu holda savol tug’iladi: qaysi ajratish eng yaxshisi? mashinali o’rgatishda biror tanlanma bo’yicha o’qitilgan model boshqa shunga o’xshash ixtiyoriy obyektlar uchun ham yaxshi ishlashi lozim. ya’ni model yuqori umumlashtirish qobiliyatiga ega bo’lishi kerak. shundan kelib chiqadigan bo’lsak o’tkazilgan chiziqlar ko’k ranglisi eng yaxshisi ekanligini sezish mumkin. nega deganda, qizil va yashil chiziqlarni qaraydigan bo’lsak, ular obyektlar ajralishi bo’yicha qo’shimcha tahminlarga ega: qizil chiziq “tasavvuri” bo’yicha obyektlar ko’proq gorizontal yo’nalishda taqsimlangan, yashil chiziq bo’yicha esa ko’proq vertikal yo’nalishda. albatta …

2 / 33

ctor mashinalari (svm): svm - bu klassifikatsiya va regressiya vazifalari uchun ishlatiladigan o’qituvchili mashinani o’rgatish algoritmi. u ma'lumotlarning turli sinflarini eng yaxshi ajratuvchi optimal giperplanni topish orqali ishlaydi va ular orasidagi chegarani maksimal darajada oshiradi. svm turli sinflar ma'lumotlar nuqtalari orasidagi ajratishni maksimal darajada oshiradigan qarorlar chegarasini yaratishga qaratilgan. bu chiziqli va chiziqli bo'lmagan tasniflash muammolari uchun kuchli vositadir. negaki yo’lak qancha keng bo’lsa tasniflovchi bir sinf obyektlarini ikkinchisidan shuncha yaxshi ajratadi. bu g’oyani matematik jihatdan tavsiflash uchun oldin tasniflovchi modelni ko’rsatish kerak bo’ladi. bu model alomatlar fazosidagi giper tekislik tenglamasini aniqlaydi. quyidagicha ko’rinishdagi eng oddiy chiziqli modelni tanlaymiz: bu parametrlar va obyekt vektorining chiziqli kombinatsiyasi hamda -b siljishni anglatadi. natijada model quyidagi qiymatni chiqaradi: endi, o’rgatuvchi tanlanmani chiziqli taqsimlangan obyektlardan iborat deb faraz qilamiz (keyinchalik nochiziqli holat bilan umumlashtiramiz). u holda yo’lak kengligi alomatlar fazosidagi x chegara vektorlarining joylashishi bilan aniqlanadi: turli sinflardan ajratuvchi chiziqqa eng yaqin joylashgan (ya’ni …

3 / 33

ω va b qiymatlar mavjudki: natijada bu kattalikni biror songa ko’paytirishimiz mumkin bo’ladi: natijada quyidagiga ega bo’lamiz: bu optimallashtirish masalasining mohiyatini o’zgartirmaydi. endi α qiymatni tanlashimiz va parametrni o’gartirishimiz mumkin: natijada chegarada yotuvchi ixtiyoriy obyektlar uchun kattalik quyidagicha bo’ladi: qat’iy matematik jihatdan bu normallashtirishni quyidagicha yozish mumkin: chiziqli ajratilgan holat uchun buni hamisha amalga oshirish mumkin. u holda o’z-o’zidan quyidagi kelib chiqadi: va yo’lak kengligi quyidagi ifoda orqali aniqlanadi: natijada, chiziqli ajralgan obyektlar uchun quyidagi optimallashtirish masalasiga ega bo’lamiz: odatda bu minimallashtirish masalasiga keltiriladi: ya’ni, vaznlarning kvadrat normasini minimallashtiruvchi va chegaradagi obyektlardan tashqari barcha chekinishlar birdan katta bo’ladigan ω va b larni topishimiz kerak bo’ladi. nochiziqli ajralgan holat uchun tayanch vektorlar mashinalari ma’lumki odatda o’rgatuvchi tanlanmadagi obyektlar juda kam hollarda chiziqli ajralishga ega bo’ladi. shu sababdan chiziqli ajralmagan tanlanmalar uchun chiziqli ajralishni qanoatlantiradigan ω va b parametrlarni topa olmaymiz, ya’ni: u holda tasniflovchiga quyidagicha biror kattalik miqdorida xato qilishiga imkon …

4 / 33

ishga ega bo’lmagan tanlanmalar uchun ekvivalent optimallashtirish masalasiga ega bo’lamiz. uni yechish uchun oxirgi ikkita tengsizlikni quyidagicha yozamiz: ω va b minimum koeffisientlarni izlashda tengsizlik o’rniga mantiqan quyidagi tenglikni olamiz: bu ifodani quyidagicha ko’rinishda tasvirlash mumkin: natijada dastlabki sistema minimallashtirishning shartsiz optimallashtirish masalasiga aylanadi: yoki, c parametrga bo’lish orqali quyidagiga ega bo’lamiz: 3/1/20xx sample footer text 22 https://www.youtube.com/watch?v=guzen2txnxe bizda chizig’imizga bog’liq holatda bir nechta holat bo’lish mumkin: image1.jpeg image2.png image3.png image4.jpeg image5.jpeg image6.png image7.jpeg image8.png image9.png image10.png image11.png image12.jpeg image13.wmf image14.png image15.png image16.png image17.png image18.png image19.png image180.png image20.png image21.png image22.png image23.png image24.png image25.wmf image26.png image27.png image28.png image29.png image30.png image31.png image32.png image33.png image34.wmf image35.png image36.png image37.wmf image38.png image39.png image40.png image41.png image42.png image43.png image44.png image45.png image46.png image47.png image48.png image49.png image50.png image51.png image52.png image53.png image54.png image55.png image56.png xx +- - , xx +- 1 x ®+¥ {} i x

5 / 33

tayanch vektorlar mashinalari (svm) - Page 5

Ko'proq o'qimoqchimisiz?

Barcha 33 sahifani Telegram orqali bepul yuklab oling.

To'liq faylni yuklab olish

"tayanch vektorlar mashinalari (svm)" haqida

tayanch vektorlar mashinalari (svm) tayanch vektorlar mashinalari (svm) rakhimova m.a gipertekislik orqali ajraladigan joylashuvga ega obyektlarning binar tasniflash masalasini ko’rib chiqamiz. soddalashtirish maqsadida tasavvur qilamiz obyektlar ikki o’lchamli fazoda berilgan bo’lsin. u holda har bir obyektni tekislikdagi nuqta sifatida ifodalash mumkin bo’ladi. o’rgatuvchi tanlanma obyektlari quyidagicha ajralgan bo’lsin: ko’rinib turibdiki ushbu holatda har xil ko’rinishdagi ajratuvchi chiziqlar to’plamini hosil qilish mumkin va bu chiziqlarning har biri bitta sinfni ikkinchisidan to’g’ri ajrata oladi. bu holda savol tug’iladi: qaysi ajratish eng yaxshisi? mashinali o’rgatishda biror tanlanma bo’yicha o’qitilgan model boshqa shunga o’xshash ixtiyoriy obyektlar uchun ham yaxshi ishlashi ...

Bu fayl PPTX formatida 33 sahifadan iborat (2,0 MB). "tayanch vektorlar mashinalari (svm)"ni yuklab olish uchun chap tomondagi Telegram tugmasini bosing.

Teglar: tayanch vektorlar mashinalari (… PPTX 33 sahifa Bepul yuklash Telegram