Relevance Vector Machine ( RVM ) este o tehnică de învățare automată care utilizează inferența bayesiană pentru a obține soluții de parcimonie pentru regresie și clasificare probabilistică [1] . RTM are aceeași formă funcțională ca și mașina vector suport , dar oferă o clasificare probabilistică.
Metoda este, de fapt, echivalentă cu un model de proces gaussian cu o funcție de covarianță :
,unde este funcția de nucleu (de obicei, un gaussian), sunt variațiile anterioare ale vectorului de greutate și sunt vectorii de intrare ai setului de antrenament [2] .
În comparație cu mașinile de suport vector , formularea Bayesiană a RTM evită necesitatea parametrilor liberi (care necesită de obicei post-optimizare bazată pe validări încrucișate). Cu toate acestea, RTM folosește o metodă de învățare similară cu algoritmul EM și, prin urmare, există riscul de a ajunge la un minim local. Acest lucru îl diferențiază de algoritmii standard bazați pe optimizarea minimă secvențială utilizați de mașinile vector suport și care garantează găsirea unui optim global (pe o problemă convexă).
Metoda Vectorului Relevant este brevetată în SUA de către Microsoft [3] .
Învățare automată și extragerea datelor | |
---|---|
Sarcini | |
Învățarea cu un profesor | |
analiza grupului | |
Reducerea dimensionalității | |
Prognoza structurală | |
Detectarea anomaliilor | |
Modele grafice probabilistice | |
Rețele neuronale | |
Consolidarea învățării |
|
Teorie | |
Reviste și conferințe |
|