First layer, understand SVM
সমর্থন ভেক্টর মেশিন
কারণ এর ইংরেজি নামটি সমর্থন ভেক্টর মেশিন, এটি সাধারণত এসভিএম হিসাবে পরিচিত।সাধারণভাবে বলতে গেলে এটি একটি দ্বি-শ্রেণীর শ্রেণিবদ্ধকরণ মডেল। বেসিক মডেলটি বৈশিষ্ট্য স্পেসের বৃহত্তম ব্যবধান সহ রৈখিক শ্রেণিবদ্ধ হিসাবে সংজ্ঞায়িত করা হয়। এর শেখার কৌশলটি হ'ল, interval is maximized , যা শেষ পর্যন্ত convex quadratic/উত্তল চতুষ্কোণ প্রোগ্রামিং সমস্যায় রূপান্তরিত হতে পারে।
1.1 The origin of classification criteria: Logistic regression
SVM বুঝতে, আমাদের প্রথমে একটি ধারণাটি বের করতে হবে: একটি লিনিয়ার শ্রেণিবদ্ধ।
কিছু ডেটা পয়েন্ট দেওয়া হয়েছে,তারা দুটি পৃথক শ্রেণীর অন্তর্গত।এই তথ্যগুলিকে দুটি শ্রেণিতে বিভক্ত করতে এখন আমাদের একটি লিনিয়ার শ্রেণিবদ্ধের সন্ধান করা উচিত।আপনি যদি বিভাগের প্রতিনিধিত্ব করতে ডেটা পয়েন্টগুলি উপস্থাপন করতে y এবং y ব্যবহার করেন (y ,1 বা -1 নিতে পারে যা দুটি পৃথক শ্রেণীর represent করে), লিনিয়ার শ্রেণিবদ্ধের শেখার লক্ষ্য হ'ল একটি হাইপারপ্লেন সন্ধান করা n-dimensional data space। (Hyper plane/হাইপার প্লেন), এই হাইপারপ্লেনের equation টি হিসাবে প্রকাশ করা যেতে পারে (T in wT stands for transpose ট্রান্সপোজ হিসাবে বোঝায়):
1 বা -1 বিভাগ সম্পর্কে প্রশ্ন থাকতে পারে এমন পাঠক থাকতে পারে। আসলে, এই 1 বা -1 শ্রেণিবদ্ধকরণের মানদণ্ডটি লজিস্টিক রিগ্রেশন থেকে উদ্ভূত।লজিস্টিক রিগ্রেশনটির উদ্দেশ্য বৈশিষ্ট্যগুলি থেকে 0/1 শ্রেণিবদ্ধকরণের মডেল শিখতে হয় এবং এই মডেলটি স্বাধীন ভেরিয়েবল হিসাবে বৈশিষ্ট্যের একরৈখিক সংমিশ্রণ ব্যবহার করে, কারণ স্বতন্ত্র ভেরিয়েবলের পরিসীমা negative infinity to positive infinity/নেতিবাচক অনন্ত থেকে ধনাত্মক অনন্ত পর্যন্ত। অতএব, লজিস্টিক ফাংশন (বা সিগময়েড ফাংশন) স্বতন্ত্র ভেরিয়েবলগুলিকে (0,1) মানচিত্র করতে ব্যবহৃত হয় এবং ম্যাপযুক্ত মানটি y = 1 এর সম্ভাবনার সাথে সম্পর্কিত বলে মনে করা হয়।
হাইপোথিটিক্যাল ফাংশন/Hypothetical function
Where x is an n-dimensional feature vector and function g is a logistic function.
As you can see, infinite is mapped to (0,1).
And suppose the function is the probability that the feature belongs to y = 1.
সুতরাং, যখন আমরা কোনও নতুন বৈশিষ্ট্যটি কোন শ্রেণীর অন্তর্গত তা নির্ধারণ করতে চাই, কেবল এটি হওয়া দরকার , যদি এটি 0.5 এর চেয়ে বড় হয় তবে এটি y = 1 এর শ্রেণি, অন্যথায় এটি y = 0 এর সাথে সম্পর্কিত।
0 comments:
Post a Comment