SVM 분류에 잘못된 범주가 있습니다. 예를 들어 과일 분류를 고려할 때 APPLE, ORANGE, BANANA 및 NOT FRUIT (무효)를 원합니다. 각각의 카테고리 (ORANGE 등 APPLE 하나)에 대해 바이너리 SVM 분류자를 생성하는 것이 더 좋은지 또는 클래스 중 하나로 잘못된 카테고리로 SVM 분류자를 생성하고 잘못된 교육 데이터로 피드하는 것이 더 좋은지 궁금합니다.SVM 및 유효하지 않은 범주
좀 더 구체적으로 말해서 시계열 데이터를 분류하는 분류 기준이 있습니다. 나는 잘못된 범주 (또는 기본적으로 원하는 범주에 속하지 않음)로 급수 시계열을 분류해야합니다.
여러 개의 분류자를 만들면 더 잘 훈련됩니까? Apple (예, 아니오), 오렌지 (예, 아니오) 등을위한 분류 자 – Ali
다릅니다. SVM은 초평면을 사용하여 nD (또는 (n + 1) D 공간)의 데이터를 분리하려고합니다. 두 가지 카테고리가있는 경우 분리는 간단합니다. 공간의 한 점은 한쪽면 또는 다른면에 속합니다. 카테고리가 여러 개인 경우 긍정적 인 카테고리도 초평면으로 구분됩니다. 즉 모델이 사과라고 예측할 때 '유효하지 않음'을 의미 할뿐만 아니라 '오렌지색'도 아닙니다. 잘못된 과일 대 과일을 결정하는 것이 무엇인지 알고 싶거나 "사과"가 사과이고 "오렌지"가 주황색인지 유효하지 않은지 확인하는 것이 중요합니다. – Bee