Глоссарий ИИ
Полный словарь искусственного интеллекта
Жесткий запас
Подход SVM, требующий идеального разделения классов без какой-либо терпимости к ошибкам. Этот метод чувствителен к выбросам и может привести к переобучению на реальных наборах данных.
Степень полинома
Параметр, контролирующий сложность полиномиального ядра путем определения порядка полинома, используемого для преобразования данных. Более высокие значения позволяют улавливать более сложные соотношения, но увеличивают риск переобучения.
Коэф0
Независимый член в полиномиальных и сигмоидных ядрах, который контролирует влияние членов высшего и нижнего порядка. Этот параметр настраивает форму функции принятия решений и влияет на гибкость модели.
Допуск
Критерий остановки, определяющий желаемую точность для алгоритма оптимизации SVM. Более строгий допуск приводит к более точному решению, но увеличивает время вычислений, необходимое для сходимости.
Полиномиальное ядро
Функция ядра, которая использует полиномиальные преобразования для отображения данных в нелинейное пространство признаков. Это ядро особенно подходит для улавливания взаимодействий высокого порядка между переменными.
Сигмоидное ядро
Функция ядра, основанная на функции гиперболического тангенса, математически эквивалентная двухслойной нейронной сети. Это ядро может моделировать нелинейные соотношения, но чувствительно к значениям параметров.
Линейное ядро
Простейшая функция ядра, которая не выполняет преобразования данных, работая напрямую в исходном пространстве. Это ядро эффективно для линейно разделимых данных и обеспечивает оптимальную скорость обучения.
Коэффициент эпсилон
Параметр в SVM регрессии, определяющий ширину зоны, нечувствительной к ошибкам, вокруг функции предсказания. Этот параметр контролирует допуск к остаткам и влияет на надежность модели регрессии.
Размер кэша
Технический параметр, контролирующий память, выделенную для хранения вычислений ядра во время обучения. Больший размер кэша ускоряет вычисления для больших наборов данных, но потребляет больше системных ресурсов.
Сокращение
Техника оптимизации, которая постепенно устраняет неактивные ограничения в задаче оптимизации SVM. Эта эвристика значительно ускоряет сходимость на больших наборах данных.
Максимальное количество итераций
Верхний предел количества итераций, разрешенных для алгоритма оптимизации SVM. Этот параметр предотвращает бесконечные циклы и контролирует максимальное время вычисления для сложных наборов данных.