だから私は私がこの権利を持っていることを確認したいと思います。まず、私は学部生のコンピューターエンジニアリング専攻で、ソフトウェアよりもハードウェア/EEの経験が豊富です。この夏、私は1クラスのSVMを使用するクラスタリングアルゴリズムを使用していることに気付きました。SVMは、入力データを分類/分離するために使用される単なる数学モデルですか？SVMは、1つの属性/変数を持つデータセットでうまく機能しますか？おそらく、単一の属性による分類が実質的にステレオタイプであるため、後者には当てはまらないと思います。私の推測では、SVMは、分類に寄与する複数の属性/変数を持つデータセットでより優れたパフォーマンスを発揮します。前もって感謝します！
1397 次
1 に答える
4
SVMは、2つのクラスを分離する超平面を構築しようとします（AFAIK、1クラスのSVMには、「正常」インスタンス用に1つのクラスと「異常」インスタンス用に1つのクラスがあります）。属性を 1 つだけ使用すると、1 次元空間、つまりline が得られます。したがって、ここでの超平面は線上の点です。2 つのクラスのインスタンス (この線上の点) がこの超平面の点によって分離される場合 (つまり、それらが線形に分離可能である場合)、はい、SVM を使用できます。そうでなければそうではありません。
いくつかの属性を持つ SVM は、線形分離不可能なインスタンスの分類にも使用できることに注意してください。次の画像では、2 次元空間 (2 つの属性 - X と Y) に 2 つのクラスがあり、1 つは青い点でマークされ、もう 1 つは緑でマークされています。
それらを分離できる線を引くことはできません。ただし、いわゆるカーネル トリックを使用して、既存の属性を組み合わせてさらに多くの属性を生成することができます。より多くの属性を使用すると、すべてのインスタンスを分離できる高次元空間を取得できます ( video )。残念ながら、1 つの属性をそれ自体と組み合わせることはできないため、1 次元空間のカーネル トリックは適用できません。
したがって、あなたの質問に対する答えは次のとおりです。2 つのクラスのインスタンスがそれ自体で線形分離可能である場合に限り、属性が 1 つだけのセットで SVM を使用できます。
于 2011-07-28T23:07:35.227 に答える