پروژه درس يادگيری ماشين

امروزه به دلیل افزایش وسیع استفاده از اینترنت، حجم زیاد اطلاعات در فرمت داده دیجیتال تولید شده است. دسته‌ بندی دستی و یکی یکی این اطلاعات در بسیاری از مسائل  واقعی غیرممکن است، بنابراین تحقیقات زیادی تاکنون روی دسته‌بندی اتوماتیک مستندات صورت گرفته است. تکنیک‌‌های یادگیری ماشین در این زمینه بسیار مفید واقع شده‌اند. تکنیک‌های آماری و قدیمی‌یادگیری ماشین برای آموزش صحیح، به حجم زیادی از مثال‌های  آموزشی برچسب‌ دار نیاز دارند. برای تهیه مثال‌های آموزشی کافی، باید این حجم زیاد داده‌‌های آموزشی را با دست و به وسیله افراد متخصص برچسب‌گذاری کنیم.
ماشين‌‌هاي بردار پشتيبان افزايشي ابزاري در کاربردهاي عملي يادگيري on-line محسوب مي‌شوند. اين الگوريتم‌‌ها مبتني بر Radial Basis Function Kernel و يا يادگيري افزايشي محلي هستند. آموزش ماشين‌هاي بردار پشتيبان نيازمند حل يک مساله Quadratic programming(QP) با تعداد ضرايبي معادل تعداد نمونه‌هاي  آموزشي مي‌باشد. تکنيک‌‌هاي استاندارد QP براي مجموعه داده‌‌هاي بسيار بزرگ غير عملي مي‌شوند، بنابراين تکنيک‌‌هاي عملي مساله را به زير مسائلي شامل بخشي از داده‌ها تبديل مي‌کنند. در آموزش افزايشي ماشين بردار پشتيبان براي يک داده جديد که کليه داده‌هاي قبل به جز ماشين‌هاي بردار پشتيبان در نظر گرفته نمي‌شوند جواب به دست آمده تقريبي خواهد بود. بنابراين مشکل اين روش‌ها اين است که به يک جواب تقريبي رسيده و ممکن است براي هم گرايي نياز به تکرار زيادي روي مجموعه داده مورد نظر داشته باشند. در روش مورد بررسي الگوريتم به صورت بازگشتي براي هر نقطه در هر تکرار عمل مي‌کند.
در این پروژه برای دسته‌بندی مستندات متنی به بررسی یک الگوریتم یادگیری با نظارت مبتنی بر ماشین‌های بردار پشتیبان می‌پردازیم. این الگوریتم برای دسته‌بندی صحیح‌تر، از مستندات بدون برچسب برای تقویت مثال‌های آموزشی بر چسب‌دار موجود استفاده می‌کند. این روش علاوه بر اینکه نیاز به عمل وقت‌گیر و پرهزینه جمع‌آوری داده‌های آموزشی را کاهش می‌دهد، از روش‌های دسته‌بندی قدیمی‌به نتایج بهتری می‌رسد.

پیام بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

seventy seven − = seventy four