SVM nedir?

SVM (Support Vector Machine), sınıfları en geniş marjla ayıran hiperdüzlemi bulur.

SVM nedir?

Destek vektör makinesi (SVM), iki sınıfı ayıran sınırlar arasından sınıflara en uzak olanı seçer. Bu sınıra en yakın eğitim noktalarına destek vektörleri denir; sınırın yeri yalnızca onlara bağlıdır.

from sklearn.svm import SVC
m = SVC(kernel="linear").fit(X, y)
print(m.support_vectors_.shape)   # destek vektörü sayısı x özellik
print(m.n_support_)               # sınıf başına

Diğer noktalar silinse model değişmezdi; SVM bu yüzden belleği verimli ve aykırı değerlere görece dayanıklıdır.

SVM'in güçlü yanları

SVM orta büyüklükte (birkaç on bine kadar örnek), çok özellikli verilerde güçlüdür: metin sınıflandırma, biyoinformatik. Çekirdek hilesiyle doğrusal olmayan sınırlar öğrenir.

Ölçeğe çok duyarlıdır: önce StandardScaler.
Eğitim süresi örnek sayısıyla hızla artar; çok büyük veride LinearSVC ya da SGDClassifier tercih edilir.
Varsayılan olarak olasılık değil karar skoru üretir.

Uygulama Doğrusal SVM

Ayrılabilir iki kümeli veride SVC(kernel="linear") eğit. Destek vektörü sayısını (n_support_) ve [[0, 0], [4, 4]] için tahminleri alt alta yazdır.

Örnek çözümü göster

import numpy as np
from sklearn.svm import SVC

X = np.array([[0, 0], [1, 0], [0, 1], [1, 1], [3, 3], [4, 3], [3, 4], [4, 4]])
y = np.array([0, 0, 0, 0, 1, 1, 1, 1])

m = SVC(kernel="linear").fit(X, y)
print(m.n_support_)
print(m.predict([[0, 0], [4, 4]]))

Kendini test et

SVM'in sınırını hangi noktalar belirler?
- Sınıf ortalamaları
- Destek vektörleri
- Tüm noktalar eşit
- Sınırdan en uzak noktalar
Cevabı göster

Destek vektörleri — Sınıra en yakın noktalar marjı tanımlar; uzaktakiler etkisizdir.
Destek vektörlerinin sınıf başına sayısını oku.
```
print(m.____)
```
Cevabı göster
```
print(m.n_support_)
```
Terimleri eşleştir.

destek vektörü

Sınıra en yakın nokta
support_vectors_

Koordinatları
LinearSVC

Büyük veri için hızlı
StandardScaler

SVM öncesi şart

Sıradaki ders: Marj

Deneyiminizi Geliştiriyoruz

Çerez Tercihleri

Kesinlikle Gerekli Çerezler

Analitik Çerezler