شما اینجائید:خانه » سورس کد » طبقه بندی دیتا توسط الگوریتم ماشین بردار پشتیبان SVM و پیاده سازی در Matlab

طبقه بندی دیتا توسط الگوریتم ماشین بردار پشتیبان SVM و پیاده سازی در Matlab

ارسال شده توسط:Papersim تاریخ ارسال: 2016/02/16 در سورس کد دیدگاه‌ها بسته هستند

هدف طبقه بندی دیتا توسط الگوریتم ماشین بردار پشتیبان SVM و پیاده سازی در Matlab

ماشین بردار پشتیبان یک گروه از الگوریتم‌های طبقه‌بندی نظارت‌شده هستند، که پیش‌بینی می‌کند یک نمونه در کدام کلاس یا گروه قرار می‌گیرد. این الگوریتم برای تفکیک دو کلاس از هم، از یک صفحه استفاده می‌کند به طوری که این صفحه از هر طرف بیشترین فاصله را تا هر دو کلاس داشته باشد. نزدیک‌ترین نمونه‌های آموزشی به این صفحه “بردارهای پشتیبان” نام دارند .

ماشین بردار پشتیبان اصولا یک طبقه‌بندی کننده‌ی باینری است، در حالیکه بیشتر مسائل، مربوط به طبقه‌بندی کننده‌های چندکلاسی است. برای رفع این مشکل، روش‌های زیادی مبتنی بر ماشین بردار پشتیبان، برای مسائل چندکلاسی مطرح شده است .

فرآیند کلی کد نویسی

خواندن دیتا در متلب
بور زدن دیتا ( انتخاب تصادفی دیتا)
اختصاص ۸۰% دیتا جهت آموزش و ۲۰% جهت تست
آموزش شبکه توسط توابع کرنل SVM
بدست آوردن و ترسیم شاخص های ارزیابی ROC,AUC,RMSE,Acuracy

عنوان