Симуляція SVM

Дослідіть класифікацію з максимальною маржею та підтримуючими векторами

Інтерактивна Симуляція

100
1.0
1.0

Класифікація

Прогрес

Параметри Моделі

Вага w₁: 0.00
Вага w₂: 0.00
Зсув b: 0.00
Маржа: 0.00

Якість Моделі

Точність: 0.00%
Підтримуючі вектори: 0
Функція втрат: 0.00
Ітерації: 0

Прогнозування

Клас:
-

Теоретичні Основи

Що таке SVM?

Support Vector Machine — це алгоритм класифікації, що знаходить гіперплощину з максимальною маржею для розділення класів. Підтримуючі вектори — це точки, найближчі до гіперплощини.

SVM максимізує відстань між класами, що покращує узагальнювальну здатність моделі.

Принципи роботи

Максимізація маржі: Знаходження гіперплощини з максимальною відстанню до класів.

Підтримуючі вектори: Точки, що визначають положення гіперплощини.

Ядра: Функції для обробки нелінійно розділених даних.

Математичні Основи

Гіперплощина:
wᵀx + b = 0
Маржа:
γ = 2/||w||
Функція втрат:
L = (1/2)||w||² + CΣξᵢ

Часті Запитання