Biri bana k-araç sınıflandırması ve svm sınıflandırması arasındaki farkın ne olduğunu söyleyebilir mi?


cevap 1:

Bir sınıf problem sizden verilerle ilgili bir olasılık dağılımı bulmanızı ister. Başka bir sınıf, verilen dağılımda birkaç dağıtımdan (genellikle iki) hangisinin daha yüksek değere sahip olduğunu bulmanızı ister. Bu son durumda dağıtımları kendiniz bulmanız gerekmez.

K-means EM algoritmasının özel bir halidir ve yukarıdaki sınıfların ilkine aittir. Örtük olarak tek bir dağıtım bulmaya çalışıyorsunuz.

SVM ikinci sınıfa aittir. İki nokta noktanız var (örneğin kırmızı ve mavi) ve hedef, verilerinizin yaşadığı herhangi bir noktanın o noktada hangi türün (kırmızı veya mavi) daha olası olduğunu bulmaktır.


cevap 2:

K-ortalamaları sınıflandırma yöntemi değil, bir kümeleme algoritmasıdır. Öte yandan, SVM bir sınıflandırma yöntemidir. Sınıf etiketimiz olmadığında kümeleme yaparız ve sınıf etiketimiz olduğunda sınıflandırma yaparız. Kümeleme denetimsiz bir öğrenme tekniğidir ve sınıflandırma denetimli bir öğrenme tekniğidir. Bu nedenle, ikisini karşılaştırmak elma ve portakalları karşılaştırıyor. Farklarını anlamak için aşağıdakileri okumalısınız - Shehroz Khan'ın Gözetim altında öğrenme, kümelenmeden sonra yaygın olarak mı yapılıyor? (Bu cevaptaki bağlantıları da okuyun)