Met gebruik van computers, is er behoefte aan een meer geavanceerd systeem kan classificeren grote hoeveelheden informatie; dat is hoe een groep wiskundigen kwam met Support Vector Machine (SVM).
De Support Vector Machine is een wiskundige methode wordt gebruikt door de computer om grote hoeveelheden informatie te classificeren. Deze methode is betrouwbaarder dan de oude methoden.
Om te kunnen begrijpen hoe de support vector machine werkt, moet u eerst begrijpen dat de indeling is over training en het testen van de gegevens.
Een Support Vector Machine vervult twee functies, de indeling en de regressie. De classificatie functie is het werk van het vinden van een hyper oppervlak voor ingangen. De hyper dan splitst het positief naar negatief voorbeelden. Daarom is de selectie zal de hyper oppervlak zo dicht mogelijk gebracht van de positieve en negatieve voorbeelden. De eenvoudigste manier van trainen van de Support Vector Machine is het gebruik van Sequential Minimal optimalisatie die het sneller en eenvoudiger methode.
De algoritmen die in de Support Vector Machine helpen de machine om de uitgangen in latere kans geven. Support vector machines worden gebruikt om het probleem van de indeling lossen voor grotere informatie. Dit systeem kwam om het probleem van de classificatie genoemd de schaarse data matrix, waarbij de informatie soms geclassificeerd heeft een set van woorden ontbreekt op te lossen. De Support Vector Machine is een motor die ervoor dat de gegevens veel sneller te verkrijgen met meer efficiëntie maakt.
Maar de support vector machine heeft zijn eigen nadelen.
Het merendeel van de computers niet de herinnering aan de vector machine ondersteunen, omdat de tekst intensieve nadelen met het classificeren nummers van de tekst op de website.
Een van de oplossingen die de computer gebruikt om te classificeren gegevens chunking. Chunking is het proces waarbij de problemen worden verdeeld in stukken en dit maakt het de computer mogelijk de gegevens ondersteunen. De chunking technieken die gebruikt worden door de support vector machines zijn de SMO of SVM licht. Het probleem met chunking is echter dat de snelheid van de classificatoren laag wordt.
Zelfs met deze paar tegenslagen, de Support Vector Machine is nog steeds de beste van de classifiers die minder stress maakt en dat is zonder risico. Het goede nieuws is dat wiskundigen en wetenschappers voortdurend proberen om de Support Vector Machine verbeteren.
Als u de Sup