ماشین بردار پشتیبان (Support Vector Machine)

ماشین بردار پشتیبان یکی از الگوریتم‌های نظارت‌شده یادگیری ماشین است. بسیاری از افراد در ابتدا هنگامی که نام این الگوریتم را می‌شنوند تصور می‌کنند با یک الگوریتم بسیار پیچیده مواجه هستند که درک آن دشوار است. این در حالی است که خوشبختانه با خواندن چند نوشتار می‌توان این الگوریتم را به خوبی درک کرد. در این مطلب، به چگونگی عملکرد الگوریتم ماشین بردار پشتیبان پرداخته شده است. 

نُرم و انواع آن

نُرم[1] چیست؟

نرم طول یا اندازه‌ی بردار است؛ بااین‌حال مفهوم نُرم در حوزه‌ی یادگیری ماشین و یادگیری عمیق اهمیت زیادی دارد؛ زیرا از آن برای ارزیابی خطای مدل استفاده می‌شود. 

الگوریتم رقابت استعماری

الگوریتم رقابت استعماری یا الگوریتم ICA روشی در حوزه محاسبات تکاملی است که برای پیدا کردن پاسخ بهینه مسئله‌های مختلف بهینه سازی می‌پردازد. این الگوریتم با مدل‌سازی ریاضی، فرآیند تکامل اجتماعی-سیاسی، الگوریتمی برای حل مسائل ریاضی بهینه‌سازی ارائه می‌دهد. 

الگوریتم بهینه‌سازی گرگ خاکستری

گرگ‌های خاکستری موجوداتی هستند که به‌صورت نیمه دمکراسی زندگی می‌کنند و جایگاه هر گرگ در اجتماع آن‌ها پیداست. در این اجتماع گرگ رهبر، جانشینان او نیز سایر گرگ‌ها شناخته‌شده هستند. گرگ‌های خاکستری به‌صورت دسته‌جمعی زندگی و شکار می‌کند. 

نمونه‌گیری و بازنمونه‌گیری

نمونه‌گیری

روش نمونه‌گیری فرآیندی است که به کمک آن زیرمجموعه‌ای از جامعه آماری تهیه می‌شود. این کار به‌منظور شناخت یا برآورد پارامترهای جامعه آماری صورت می‌گیرد. قبل از تهیه نمونه از جامعه آماری بهتر است به نکات زیر توجه شود: 

خطا در برآورد

ازآنجایی‌که به‌جای استفاده از جامعه آماری نمونه آماری به کار گرفته‌شده است برآورد پارامتر جامعه با خطا همراه است. این خطا از دو دیدگاه بررسی می‌شود.که عبارت هستند از: