Destek Vektör Makineleri (Support Vector Machines – SVMs) – 6

DVM ile Regresyon

Önceden belirttiğim gibi, Destek vektör makineleri hem sınıflandırma hem de regresyon problemlerinde kullanılmaktadır. Regresyon için amaç tersine çevrilir: mümkün olan en geniş caddeyi bulmak yerine, mümkün olduğunca en fazla veri örneğini cadde üzerinde tutmaya çalışır (Sınıflandırmada caddenin dışında tutmaya çalışır). Caddenin genişliği, \epsilon üstün-parametresi (hyper-parameter) ile belirlenir.

im_15.png

Yukarıdaki grafikte, solda daha büyük bir \epsilon değeri seçilmiş ve daha geniş bir cadde elde edilmiştir, sağda ise daha küçük bir cadde elde edilmiştir.

Caddenin üzerine daha fazla eğitim verisi eklemek, modelin tahminlerini etkilemeyecektir.

Doğrusal DVM ile regresyon için, Scikit-Learn içindeki LinearSVR sınıfı kullanılabilir. Doğrusal olmayan regresyon için de yine Scikit-Learn içindeki SVR sınıfı kullanılabilir.

im_16.png

Not: Destek vektör makineleri aykırı nokta tespiti (outlier detection) için de kullanılabilir.

Bir sonraki yazımızda destek vektör makinelerinin matematiksel temellerinden bahsedeceğiz. Görüşmek üzere.

Kaynaklar

  1. Geron, A. (2017). Hands-On Machine Learning with Scikit-Learn and TensorFlow Concepts, Tools, and Techniques for Building Intelligent Systems. Sebastopol: OReilly UK Ltd.

Bir Cevap Yazın

Aşağıya bilgilerinizi girin veya oturum açmak için bir simgeye tıklayın:

WordPress.com Logosu

WordPress.com hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap /  Değiştir )

Google fotoğrafı

Google hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap /  Değiştir )

Twitter resmi

Twitter hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap /  Değiştir )

Facebook fotoğrafı

Facebook hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap /  Değiştir )

Connecting to %s