私はたくさんの資料を読んでサポートベクターマシン(SVM)を勉強しています。ただし、そのほとんどは、線形、多項式、RBF /ガウスなどのいくつかのカーネルを使用して入力2Dデータをマッピングすることにより、入力2Dデータを分類する方法に焦点を当てているようです。
私の最初の質問は、SVMが高次元(nD)入力データを処理できるかどうかです。
私が見つけたものによると、答えはイエスです!
私の理解が正しければ、nD入力データは
- ヒルベルト超空間で構築された場合、それらのデータは次のようになります
- いくつかのアプローチ(PCAなど)を使用して単純化し、2D平面に投影して結合します。
- カーネル法はそれを適切な形にマッピングすることができ、そのような線や曲線はそれを区別するグループに分けることができます。
これは、ほとんどのガイド/チュートリアルがステップ(3)に焦点を合わせていることを意味します。しかし、私がチェックしたツールボックスの中には、入力データが2Dより大きい場合にプロットできないものがあります。2Dに投影した後のデータはどのようにできますか?
データの予測がない場合、どのように分類できますか?
私の2番目の質問は:私の理解は正しいですか?