관련성 벡터 머신

수학에서 관련성 벡터 머신은 베이지안 추론을 사용하여 회귀 및 확률 적 분류에 대한 간결한 솔루션을 얻는 기계 학습 기법입니다.지원 벡터 머신과 동일한 기능적 형태를 갖지만 확률적 분류를 제공한다.

실제로 공분산 함수가있는 가우스 프로세스 모델과 동일합니다:

k ( x , x ′ ) = ∑ j = 1 N 1 α j φ ( x , x j ) φ ( x ′ , x j ) {\displaystyle k(\mathbf {x} ,\mathbf {x’} )=\sum _{j=1}^{N}{\frac {1}{\alpha _{j}}}\varphi (\mathbf {x} ,\mathbf {x} _{j})\varphi (\mathbf {x} ‘,\mathbf {x} _{j})} k(\mathbf{x},\mathbf{x'}) = \sum_{j=1}^N \frac{1}{\alpha_j} \varphi(\mathbf{x},\mathbf{x}_j)\varphi(\mathbf{x}',\mathbf{x}_j)

where φ {\displaystyle \varphi } \varphi is the kernel function (usually Gaussian), α j {\displaystyle \alpha _{j}} \alpha _{j} are the variances of the prior on the weight vector w ∼ 1573>및 1,…,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,이 경우,훈련 세트의 입력 벡터는 다음과 같습니다.(일반적으로 교차 검증 기반 사후 최적화가 필요함). 따라서 지역 최소값의 위험이 있습니다. 이것은 수학적으로 정확한 유형 계층구조인,강력한 타입을 정의합니다.

관련성 벡터 머신은 마이크로소프트에 의해 미국에서 특허를 받았습니다(특허는 2019 년 9 월 4 일 만료되었습니다).

답글 남기기

이메일 주소는 공개되지 않습니다.