شعاع الدعم الآلي
Sign in to saveAlso known as SVM, support vector machines, SVMs
set of methods for supervised statistical learning
Research
41,692 papers- Applications of Support Vector Machine (SVM) Learning in Cancer Genomics.Cancer genomics & proteomics · 2018
- Functional support vector machine.Biostatistics (Oxford, England) · 2024
- Robust one-class support vector machine.Neural networks : the official journal of the International Neural Network Society · 2025
- Support-Vector Machine-Based Classifier of Cross-Correlated Phoneme Segments for Speech Sound Disorder Screening.Studies in health technology and informatics · 2022
- Bayesian Optimization with Support Vector Machine Model for Parkinson Disease Classification.Sensors (Basel, Switzerland) · 2023
via PubMed
Wikidata facts
- Subclass of
- supervised learning
- Part of
- supervised learning
- Image
- SVM margin.png
Show 6 more facts
- Commons category
- Support vector machine
- Stack Exchange tag
- stats.stackexchange.com/tags/svm
- topic's main category
- Category:Support vector machines
- discoverer or inventor
- Alexey Chervonenkis
- inception
- 1963-00-00
- short name
- TVM
via Wikidata · CC0
Article · العربية
تُعدّ خوارزمية آلة المتجهات الداعمة (أو شبكة المتجهات الداعمة) واحدة من خوارزميات تعلّم الآلة المراقب (تكون هنا البيانات مصنفة أو مرمزة)، وتُستخدم هذه الخوارزمية لتحليل البيانات من أجل تصنيفها تصنيفًا إحصائيًا أو تحليل الإنحدارلها. تبدأ الخوارزمية إنطلاقًا من البيانات المصنّفة (المرمزة)، وغالبًا ما يكون الترميز باستخدام صفين فقط، فإما أن تنتمي البيانات إلى الصف الأول (س) أو إلى الصف الثاني (ع). بعد ذلك تبدأ عملية التدريب التي تهدف إلى إيجاد إطار الخطي (مستوي مثلًا) يقوم بفصل البيانات بأفضل طريقة ممكنة، بحيث تكون البيانات (س) على طرف المستوي والبيانات (ع) على الطرف الآخر. بمعنى آخر، عندما تُرسم هذه البيانات على محاور الخصائص، تعمل الخوارزمية على إيجاد أفضل إطار الخطي للفصل بين خصائص كلٍ من الصفيّن (س) و (ع) بحيث تكون المسافة بينهما أكبر ما يُمكن. ثم تتم عملية التدريب بحيث يتم تصنيف جزء آخر من البيانات تبعًا للإطار الخطي الذي وُجد في عملية التدريب السابقة. بجانب قدرة خوارزمية آلة المتجهات الداعمة على إيجاد الأُطر الخطيّة، فهي تتمكن أيضًا من إيجاد أُطرغير خطية عن طريق تطبيق خدعة المصفوفة. تُعد هذه الخوارزمية من أشهر طرق التصنيف الآلي لتعلم الآلة، وهي تعتمد على إيجاد إطار خطي (منحني أو مستوي فائق)، بحيث يفصل البيانات المدخلة عن بعضها البعض، ويتميز بإستخدامه في تصنيف المسائل ذات الصفوف (الفئات) الثنائية: مثلًا نُعطي (1) للعينات الإيجابية و (-1) للعينات السلبية. على سبيل المثال: لتصنيف عينات بيانات مرضى تخص مرض الإيدز، إذا كان المخرج (1) يعني أن الشخص مصاب بمرض الإيدز، وإذا كان المخرج (-1) يعني أن الشخص غير مصاب بمرض الإيدز.
Abstract from DBpedia / Wikipedia · CC BY-SA