Доречно-векторна машина

У математиці, доре́чно-ве́кторна маши́на (ДВМ, англ. Relevance Vector Machine, RVM) — це методика машинного навчання, яка використовує баєсове висновування для отримання ощадливих розв'язків для регресії та ймовірнісної класифікації.^[1] ДВМ має однаковий функційний вигляд з опорно-векторною машиною, але забезпечує ймовірнісну класифікацію.

Вона фактично рівнозначна моделі ґаусового процесу з функцією коваріації^[en]

k(\mathbf {x} ,\mathbf {x'} )=\sum _{j=1}^{N}{\frac {1}{\alpha _{j}}}\varphi (\mathbf {x} ,\mathbf {x} _{j})\varphi (\mathbf {x} ',\mathbf {x} _{j})

де $\varphi$ є ядровою функцією^[en] (зазвичай ґаусовою), $\alpha _{j}$ є дисперсіями апріорних значень елементів вектора вагових коефіцієнтів $w\sim N(0,\alpha ^{-1}I)$ , а $\mathbf {x} _{1},\ldots ,\mathbf {x} _{N}$ є вхідними векторами тренувального набору.^[2]

У порівнянні з опорно-векторними машинами (ОВМ, англ. support vector machines, SVM), баєсове формулювання ДВМ уникає набору вільних параметрів, як в ОВМ (які зазвичай вимагають післяоптимізацій на основі перехресної перевірки). Проте ДВМ використовують метод навчання, подібний до очікування-максимізації, і відтак схильні до ризику локальних мінімумів. Це відрізняється від стандартних алгоритмів на основі послідовної мінімальної оптимізації (ПМО), що використовують ОВМ, які гарантують знаходження глобального оптимуму (для опуклої задачі).

Доречно-векторну машину запатентовано у США^[en] компанією Microsoft.^[3]

Див. також ред.

Ядровий трюк
Масштабування Платта^[en]: перетворює ОВМ на ймовірнісну модель

Примітки ред.

↑ Tipping, Michael E. (2001). Sparse Bayesian Learning and the Relevance Vector Machine. Journal of Machine Learning Research. 1: 211—244. Архів оригіналу за 19 лютого 2020. Процитовано 31 жовтня 2016. (англ.)
↑ Candela, Joaquin Quiñonero (2004). Sparse Probabilistic Linear Models and the RVM. Learning with Uncertainty - Gaussian Processes and Relevance Vector Machines (PDF) (Ph.D.). Technical University of Denmark. Архів оригіналу (PDF) за 8 травня 2016. Процитовано 22 квітня 2016. (англ.)
↑ US 6633857, Michael E. Tipping, "Relevance vector machine" (англ.)

Програмне забезпечення ред.

dlib [Архівовано 17 вересня 2020 у Wayback Machine.], бібліотека для C++
The Kernel-Machine Library [Архівовано 13 серпня 2020 у Wayback Machine.], бібліотека для C++
rvmbinary [Архівовано 18 березня 2017 у Wayback Machine.], пакет R для бінарної класифікації
scikit-rvm [Архівовано 11 червня 2018 у Wayback Machine.]
fast-scikit-rvm [Архівовано 1 березня 2017 у Wayback Machine.], rvm tutorial [Архівовано 18 грудня 2020 у Wayback Machine.]

Посилання ред.

Сторінка Тіппінга про Розріджені баєсові моделі та ДВМ [Архівовано 4 липня 2008 у Wayback Machine.] (англ.)
Підручник з ДВМ від Тристана Флетчера (англ.)
Прикладний посібник із ДВМ [Архівовано 18 грудня 2020 у Wayback Machine.] (англ.)
Порівняння ДВМ та ОВМ (англ.)

Це незавершена стаття зі штучного інтелекту.
Ви можете допомогти проєкту, виправивши або дописавши її.

[1] Tipping, Michael E. (2001). Sparse Bayesian Learning and the Relevance Vector Machine. Journal of Machine Learning Research. 1: 211—244. Архів оригіналу за 19 лютого 2020. Процитовано 31 жовтня 2016. (англ.)

[2] Candela, Joaquin Quiñonero (2004). Sparse Probabilistic Linear Models and the RVM. Learning with Uncertainty - Gaussian Processes and Relevance Vector Machines (PDF) (Ph.D.). Technical University of Denmark. Архів оригіналу (PDF) за 8 травня 2016. Процитовано 22 квітня 2016. (англ.)

[3] US 6633857, Michael E. Tipping, "Relevance vector machine" (англ.)

[1]

[2]

[3]