آلة دعم المتجهات شبه الخاضعة للإشراف

آلة الدعم المتجه شبه الخاضعة للإشراف "S3VM" هي تعميم لآلة الدعم المتجه في التعلم شبه الخاضع للإشراف. بالمقارنة مع آلة دعم المتجهات التي تحتاج إلى العثور على المستوى الفاصل الأقصى للهوامش، فإن S3VM يأخذ فقط في الاعتبار معلومات العينات غير المسمى ويحاول العثور على المستوى الفاصل الذي يمكنه فصل النوعين من العينات المسمى والعبور عبر منطقة الكثافة المنخفضة للبيانات.

ميزات S3VM

استنادًا إلى فرضية التجميع، يحاول S3VM توحيد حدود القرار وتعديلها من خلال استكشاف البيانات غير المسمى. من أجل الاستفادة من البيانات غير المسمّاة، من الضروري إضافة قيدين على نقاط البيانات غير المسمّاة إلى آلة دعم المتجهات "SVM" الموجودة.

الاختلافات بين S3VM وأجهزة المتجهات الداعمة الأخرى

تي إس في إم

تم اقتراح آلة دعم المتجهات التحويلية "TSVM" وآلة دعم المتجهات شبه المشرفة "S3VM" في نفس العام، والأفكار الرئيسية للخوارزميات ومشاكل التحسين التي يتعين حلها متشابهة، وبالتالي فإن المفهومين قابلان للتبادل.

يتم استخدام TSVM بشكل أساسي لمشاكل التصنيف الثنائي. يحاول هذا النموذج النظر في مؤشرات التسمية المحتملة (تعيين التسمية) للعينات غير المسمّاة، أي أنه يحاول التعامل مع كل عينة غير مسمّاة كمثال إيجابي أو مثال سلبي، ويسعى إلى إيجاد مستوى تقسيمي مع أقصى فاصل زمني في النتائج المقابلة.

نموذج SVM لابلاسيان

بالإضافة إلى S3VM وTSVM، فإن Laplacian SVM هي أيضًا واحدة من آلات المتجهات الشائعة نسبيًا، والتي تستكشف بشكل أساسي البنية المتعددة للبيانات من خلال مصفوفة Laplacian للرسم البياني.

تتمتع آلات دعم المتجهات هذه بشيء واحد مشترك، وهو أن جميعها تقوم بتقدير فئات البيانات غير المسمى بشكل مباشر.