دانلود پاورپوینت و ارائه کامل ماشین بردار پشتیبان

 
مقدمه
SVM  دسته بندی کننده ای است که جزو شاخه Kernel Methods  دریادگیری ماشین محسوب میشود. 
SVMدر سال 1992 توسط Vapnik معرفی شده و بر پایه statistical learning theory  بنا گردیده است.
شهرت SVM بخاطر موفقیت آن در تشخیص حروف دست نویس است که با شبکه های عصبی بدقت تنظیم شده برابری میکند: 1.1% خطا 
 
هدف این دسته الگوریتم ها تشخیص و متمایز کردن الگوهای پیچیده در داده هاست ( از طریق کلاسترینگ، دسته بندی، رنکینگ، پاکسازی و غیره)
مسایل مطرح: 
الگوهای پیچیده را چگونه نمایش دهیم
چگونه از مسئله overfitting پرهیز کنیم
 
 
کلمات کلیدی:

SVM

ماشین بردار پشتیبان

دسته بندی داده های جدید

مسئله جداسازی غیر خطی

 
 
 
ایده اصلی
با فرض اینکه دسته ها بصورت خطی جداپذیر باشند، ابرصفحه هائی با حداکثر حاشیه (maximum margin)  را بدست می آورد که دسته ها را جدا کنند.
در مسایلی که داده ها بصورت خطی جداپذیر نباشند داده ها به فضای با ابعاد بیشتر نگاشت پیدا میکنند تا بتوان آنها را در این فضای جدید بصورت خطی جدا نمود.
 
 
 
فهرست مطالب
مقدمه
هدف این دسته الگوریتم ها تشخیص و متمایز کردن الگوهای پیچیده در داده هاست
تعمیم و SVM
حل مسئله برای حالت دو بعدی
تابع تصمیم گیری
ابر صفحه
حل مسئله برای حالت دو بعدی
محاسبه پهنای حاشیه
دسته بندی داده های جدید
مسئله جداسازی غیر خطی :
مشکلات فضای ویژگی
نگاشت غیر مستقیم به فضای ویژگی
کرنل
Modularity
ساخت کرنل ها
تشخیص حروف دست نویس
انتخاب تابع کرنل
جدی ترین مسئله در روش SVM انتخاب تابع کرنل است. 
نقاط قوت و ضعف SVM
Strengths
سایر جنبه های SVM