آلة المتجهات ذات الصلة

في الرياضيات ، تُعدّ آلة المتجهات ذات الصلة (RVM) تقنيةً من تقنيات التعلّم الآلي تستخدم الاستدلال البايزي للحصول على حلول مُقتصدة للانحدار والتصنيف الاحتمالي . ^{[ 1 ]} وقد طُوّرت لاحقًا إجراءات تحسين جشعة، وبالتالي نسخة أسرع. ^{[ 2 ] [ 3 ]} تتشابه آلة المتجهات ذات الصلة في شكلها الوظيفي مع آلة المتجهات الداعمة ، ولكنها تُقدّم تصنيفًا احتماليًا.

وهو في الواقع يعادل نموذج عملية غاوسية مع دالة تباين :

$$$

أين${\displaystyle \varphi }$هي دالة النواة (عادةً ما تكون دالة غاوسية)،${\displaystyle \alpha _{j}}$تمثل هذه القيم تباينات التوزيع الاحتمالي المسبق على متجه الأوزان. ${\displaystyle w\sim N(0,\alpha ^{-1}I)}$، و${\displaystyle \mathbf {x} _{1},\ldots ,\mathbf {x} _{N}}$هي متجهات الإدخال لمجموعة التدريب . ^{[ 4 ]}

بالمقارنة مع آلات المتجهات الداعمة (SVM)، تتجنب الصيغة البايزية لآلة المتجهات الداعمة (RVM) مجموعة المعاملات الحرة في SVM (التي تتطلب عادةً تحسينات لاحقة قائمة على التحقق المتبادل). مع ذلك، تستخدم آلات المتجهات الداعمة طريقة تعلم شبيهة بخوارزمية التوقع والتعظيم (EM)، وبالتالي فهي عرضة لخطر الوقوع في الحد الأدنى المحلي. وهذا يختلف عن خوارزميات التحسين الأدنى المتسلسل (SMO) القياسية المستخدمة في SVM ، والتي تضمن إيجاد الحل الأمثل العالمي (للمسألة المحدبة).

حصلت شركة مايكروسوفت على براءة اختراع لآلة المتجهات ذات الصلة في الولايات المتحدة (انتهت صلاحية براءة الاختراع في 4 سبتمبر 2019). ^{[ 5 ]}

• خدعة النواة
• مقياس بلات : يحول آلة المتجهات الداعمة إلى نموذج احتمالي