Вектор релевантности - Relevance vector machine
Часть серии по |
Машинное обучение и интеллектуальный анализ данных |
---|
В математике , Релевантность Vector Machine (РВМ) является машинным обучением метод , который использует байесовский вывод для получения экономных решений для регрессии и вероятностной классификации . RVM имеет идентичную функциональную форму с машиной опорных векторов , но обеспечивает вероятностную классификацию.
Фактически это эквивалентно модели гауссовского процесса с функцией ковариации :
где - функция ядра (обычно гауссова), - дисперсии априорного вектора весового коэффициента и - входные векторы обучающего набора .
По сравнению с машинами опорных векторов (SVM), байесовская формулировка RVM избегает набора свободных параметров SVM (которые обычно требуют пост-оптимизаций на основе перекрестной проверки). Однако RVM используют метод обучения, подобный максимальному ожиданию (EM), и поэтому подвержены риску достижения локальных минимумов. Это отличается от стандартных алгоритмов на основе последовательной минимальной оптимизации (SMO), используемых SVM , которые гарантированно находят глобальный оптимум (выпуклой задачи).
Вектор релевантности запатентован в США компанией Microsoft (срок действия патента истек 4 сентября 2019 г.).
Смотрите также
- Уловка ядра
- Масштабирование Платта : превращает SVM в вероятностную модель
Рекомендации
Программное обеспечение
- dlib Библиотека C ++
- Ядро-машинная библиотека
- rvmbinary : пакет R для двоичной классификации
- scikit-rvm
- fast-scikit-rvm , руководство по rvm