सपोर्ट वेक्टर मशीन क्या है? | What is Support Vector Machine (SVM) in Hindi
Support Vector Machine (SVM) एक बहुत ही महत्वपूर्ण machine learning algorithm है जिसका उपयोग Data Classification और Regression के लिए किया जाता है। यह एक बहुत ही popular और experimental तरीका है जो Data Science, Machine Learning, और Artificial Intelligence में इस्तेमाल होता है।
SVM का मुख्य उद्देश्य डेटा को दो या दो से अधिक classes में विभाजित करना है, ताकि हम किसी नए Data Point को सही class में डाल सकें। यह algorithm डेटा classification के लिए इस्तेमाल होता है।
सपोर्ट वेक्टर मशीन कैसे काम करता है? | How does SVM work in Hindi?
SVM का काम इस प्रकार होता है:
- Data को Binary class में विभाजित करने के लिए, हम डेटा को एक Graph पर Present करते हैं, जिसमें प्रत्येक Data Point को एक Binary Class के साथ जोड़ा जाता है।
- अब, हम कोशिश करते हैं कि एक Algorithm द्वारा एक सीमा (Hyperplane) बनाएं, जो दो Classes के बीच सबसे अधिक दूरी रखता है। इस सीमा को “support vector” कहते हैं।
- Hyperplane को दूरी की दूरी के रूप में चुनने के बाद, हम डेटा को इस सीमा के पास और दूसरी ओर क्या ओर जैसे कि एक वर्ग के सभी Points और दूसरे class के सभी Points को रखते हैं। यह Hyperplane के पास रहने वाले डेटा पॉइंट्स को “support vector” कहते हैं।
- एक नए डेटा पॉइंट को इस Hyperplane के पास रखा जाता है, और हम देखते हैं कि यह किस Class के साथ आग्रहण (invoked) किया जा सकता है। इसका पता इसके स्थान के साथ बनाए गए Hyperplane के खासी दूरी के आधार पर लगाया जाता है।
- आगरण की तरफ जाने के लिए, हम सामान्यत: Data points को सीमा के एक ओर और दूसरे वर्ग के साथ जोड़ते हैं, और यह invoked करने के लिए Sign की तरह काम करता है।
SVM एक Powerful और अच्छा तरीका है Data Classification के लिए, खासकर जब हमारे पास बहुत सारे Data Points होते हैं और हम चाहते हैं कि इन्हें दो Classes में विभाजित करें। इसके साथ ही, यह एक उचित दूरी बनाने का प्रयास करता है जो नए डेटा को सही तरीके से Classes में डालने में मदद करता है।
सपोर्ट वेक्टर मशीन के प्रकार |Types of Support Vector Machine
SVM (Support Vector Machine) के विभिन्न प्रकार होते हैं, जिन्हें निम्नलिखित रूप में समझा जा सकता है:
- Binary SVM: यह सबसे सामान्य प्रकार का SVM है, जिसमें डेटा को दो Class में विभाजित करने का प्रयास किया जाता है, जैसे कि ‘yes’ और ‘No’, ‘positive’ और ‘negative’.
- Multi-Class SVM: इस प्रकार का SVM उपयोग किया जाता है जब हमें डेटा को तीन या उससे अधिक Classमें विभाजित करना होता है, जैसे कि ‘Gold’, ‘Silver’, और ‘bronze’ जीतने के Option हों।
- Non-Linear SVM: इस प्रकार के SVM में डेटा को non-linear सीमा या classes के बीच विभाजन के लिए उपयोग किया जाता है, जिसके लिए कर्व सीमा (curve) या Dots या Radial Basis Functions का उपयोग किया जाता है।
- Kernel SVM: इस प्रकार का SVM non-linear डेटा को एक Class से दूसरे Class में विभाजित करने के लिए Kernel Function का उपयोग करता है, जो डेटा को एक नए Form में Map करता है, जिसके बाद वहां पर सामान्य Binary SVM उपयोग किया जा सकता है।
सपोर्ट वेक्टर मशीन के फायदे | Advantages of Support Vector Machine
SVM (Support Vector Machine) के कई फायदे होते हैं जिन्हें हम निम्नलिखित तरीके से समझ सकते हैं:
- SVM अच्छी तरह से डेटा को Classes में विभाजने में मदद करता है और डेटा को सही तरीके से Class में व्यवस्थित करने में सफल होता है।
- SVM Classification और Regression के साथ सबसे अच्छा Generalizationकरता है, यानि यह नए डेटा को भी अच्छी तरह से Predict करने में मदद करता है।
- SVM Classification के लिए अच्छे support vectors को चुनने का प्रयास करता है, जो Classify Hyperplane को बेहद अच्छी तरह से प्रस्तुत करते हैं।
- SVM डेटा के साइज के हिसाब से प्रदर्शन करता है, यानि यह बड़े और छोटे Data Sets के लिए उपयुक्त है।
- SVM डेटा के Dimension को कम करने के लिए इस्तेमाल किया जा सकता है, जिससे किसी किस्म के Shortcut की आवश्यकता नहीं होती है और सिर्फ महत्वपूर्ण Features का उपयोग किया जा सकता है।
इन सब फायदों के कारण, SVM एक बहुत ही महत्वपूर्ण Machine Learning Algorithm है जिसका विस्तार से उपयोग किया जाता है, और यह विभिन्न विज्ञान और उद्योगों में आपके Data Classification और Regression के लिए महत्वपूर्ण है।
Read more topic in machine learning in Hindi–