Innledning til Støttevektor Maskiner — Motivasjon og Grunnleggende Prinsipper

Lær deg grunnleggende konsepter som gjør Support Vector Machine til en kraftig lineær klassifiserer 1. Hyperplane: En hyperplane er en lineær kombinasjon av input-variabler som brukes til å klassifisere data. I SVM, er målet å finne den hyperplanen som best skiller klassene. 2. Margin: Margin er avstanden mellom hyperplanen og de nærmeste datapunktene fra hver klasse. SVM prøver å maksimere marginen for å oppnå en bedre klassifisering. 3. Support Vectors: Support vectors er datapunktene som ligger nær hyperplanen og er ansvarlige for å definere marginen. Disse punktene