Глоссарий ИИ
Полный словарь искусственного интеллекта
Один против одного (One-vs-One)
Стратегия декомпозиции многоклассовых задач, при которой обучается бинарный классификатор SVM для каждой возможной пары классов, а итоговый класс определяется большинством голосов всех классификаторов.
Один против всех (One-vs-All)
Подход к многоклассовой классификации, при котором для каждого класса обучается отдельный классификатор SVM, отличающий его от всех остальных сгруппированных классов, а итоговое предсказание основывается на наивысшем выходном решении.
Структурированные машины опорных векторов (Structured SVM)
Расширение SVM, разработанное для обработки сложных и структурированных выходных данных, таких как деревья или последовательности, обобщающее принцип максимизации зазора на пространства выходных данных высокой размерности.
Перцептрон с максимальным зазором (Max-Margin Perceptron)
Алгоритм онлайн-обучения, который объединяет правило обновления перцептрона с целью максимизации зазора SVM, эффективно адаптируясь к задачам многоклассовой классификации.
Краммер и Зингер
Прямая формулировка многоклассового SVM, которая решает единую задачу оптимизации для всех классов одновременно, в отличие от подходов декомпозиции, ища разделяющую гиперплоскость для каждого класса.
Многоклассовая функция потерь с зазором
Функция потерь, используемая в многоклассовых SVM, которая штрафует пример, если счет правильного класса не превышает на определенный зазор счета всех остальных неверных классов.
Дерево решений SVM (SVM Decision Tree)
Иерархическая архитектура, в которой внутренние узлы являются бинарными классификаторами SVM, последовательно разбивающими пространство классов для достижения листьев, представляющих итоговые классы.
Коды с исправлением ошибок (Error-Correcting Output Codes - ECOC)
Продвинутая технология, которая представляет классы бинарными кодами и обучает бинарные классификаторы SVM для каждой битовой позиции, обеспечивая надежную классификацию даже при наличии неисправных классификаторов.
DAG-SVM (ориентированный ациклический граф SVM)
Вариант стратегии «один против одного», который организует бинарные классификаторы в ориентированном ациклическом графе, исключая некоторые вычисления голосования и ускоряя фазу предсказания.
Многоклассовый запас (margin)
Концепция, обобщающая бинарный запас SVM, определяемая как разница между счетом правильного класса и наивысшим счетом среди неправильных классов, служащая критерием оптимизации.
Формулировка Вестона и Уоткинса
Модель многоклассовой оптимизации, которая расширяет бинарную SVM, накладывая ограничение на запас для каждого неправильного класса относительно правильного класса, что приводит к задаче квадратичного программирования.
SVM с порядковым выходом (Ordinal SVM)
Адаптация SVM для задач классификации, где классы имеют естественный порядок, ищущая гиперплоскости, которые соблюдают эту порядковую структуру, максимизируя при этом запасы.
Многоклассовый ядерный персептрон (Multiclass Kernel Perceptron)
Алгоритм, который расширяет ядерный персептрон для многоклассовой классификации, поддерживая набор весов для каждого класса и используя ядерный трюк для управления нелинейными границами принятия решений.
Порядковая регрессия SVM (Ordinal SVM Regression)
Подход, который рассматривает задачу упорядоченной классификации как задачу регрессии, где SVM используются для предсказания числового значения, которое затем порогом преобразуется в упорядоченный класс.
Иерархическая SVM (Hierarchical SVM)
Метод, который использует существующую иерархическую структуру между классами для построения серии классификаторов SVM, снижая вычислительную сложность путем разложения задачи на более простые подзадачи.