Определите гиперплоскость, которая отделяет точки Y=0 от точек Y=1.

Используйте эту гиперплоскость, чтобы предсказать классификацию будущих наблюдений.

Уловка ядра

Исходные данные — которые не могут быть разделены плоскостью

Используя трюк с ядром, мы добавили к этим данным дополнительное измерение. Точки Y=1 перемещаются в другую плоскость в этом дополнительном измерении. Теперь эти данные становятся линейно разделимыми.

Типы функций ядра

  • Линейный: размеры не добавляются
  • Полиномиальный: проецирует в N-мерное пространство. N - пользовательский ввод
  • Гауссова (радиальная базисная функция): проецирует в бесконечномерное пространство.
  • сигмовидная

RBF — наиболее часто используемая функция

Использование SVM

  • Распознавание отпечатков пальцев
  • Распознавание лица

Настройка параметров для подбора модели SVM

  • C Значение
  • Гамма-значение

Мягкая маржа — допущение того, что несколько наблюдений могут быть неправильно классифицированы, чтобы уменьшить вычислительные накладные расходы и сложность модели. Это позволяет некоторым выбросам существовать в данных. Это передается как C-значение в функции GridSearchCV.

Дисперсия — передается как значение гаммы.