আমি সম্প্রতি মেশিন লার্নিং নিয়ে পড়াশোনা করছিলাম, এবং রেডডিটে একটি পোস্ট দেখেছি যার শিরোনাম Please explain Support Vector Machines (SVM) like I am a 5 year old.
সমর্থন ভেক্টর মেশিন (এসভিএম) ।
অবশ্যই, প্রথমে উইকি দেখুন। Support Vector Machines are learning models used for classification: which individuals in a population belong where? So… how do SVM and the mysterious “kernel” work?
ঠিক আছে, গল্পটা এরকমঃ
অনেক দিন আগে, ভ্যালেন্টাইনস ডে-তে, মহানায়ক তার প্রিয়জনকে বাঁচাতে চেয়েছিলেন, কিন্তু শয়তান তার সাথে একটি খেলা খেলল।
শয়তানটি মনে হয় নিয়মিতভাবে টেবিলে দুটি রঙের বল রেখেছিল, বললঃ আপনি কি তাদের একটি লাঠি দিয়ে আলাদা করতে পারেন? অনুরোধঃ যতটা সম্ভব আরও বল রাখার পরেও এটি প্রযোজ্য।

তাই মহান ব্যক্তিকে এভাবে ছেড়ে দেওয়াটা কি ঠিক?

তারপর শয়তান, টেবিলে আরো বল রেখে, মনে হল একটা বল স্টেশন ভুল ক্যাম্পে আছে।

এসভিএম হচ্ছে লাঠিটিকে সর্বোত্তম অবস্থানে রাখার চেষ্টা করা যাতে লাঠিটির দুই পাশে যতটা সম্ভব ফাঁক থাকে।

এখন শয়তান আরও বেশি বল খেললেও লাঠি একটি ভালো সীমানা হিসেবে কাজ করে।

তারপর, এসভিএম টুলবক্সে আরও একটি গুরুত্বপূর্ণ ট্রিক রয়েছে। শয়তান দেখেছে যে ওয়ান্ডারম্যান একটি ট্রিক শিখেছে, তাই শয়তান ওয়ান্ডারম্যানকে একটি নতুন চ্যালেঞ্জ দেয়।

এখন যেহেতু ওয়ান্ডার ম্যানেজারের কোন লাঠি নেই, তাই ওয়ান্ডার ম্যানেজারের সব সিনেমার মতোই ওয়ান্ডার ম্যানেজারের টেবিলের উপর একধরনের আঘাত করে, বলটি বাতাসে উড়ে যায়। তারপরে, ওয়ান্ডার ম্যানেজারের সহযোগিতায়, ওয়ান্ডার ম্যানেজারের হাত থেকে একটি কাগজ ধরে, ওয়ান্ডার ম্যানেজারের দুইটি বলের মাঝখানে ঢুকিয়ে দেয়।

এখন, শয়তানের দৃষ্টিকোণ থেকে, এই বলগুলোকে এমন দেখাচ্ছে যেন তারা একটি বক্ররেখার দ্বারা পৃথক।

এবং তারপর, বড়রা, যারা বিরক্ত, তারা বলগুলোকে বলে “data”, লাঠিগুলোকে বলে “classifier”, সর্বোচ্চ ফাঁক-ট্রিককে বলে “optimization”, টেবিলকে বলে “kernelling”, আর সেই কাগজকে বলে “hyperplane”।
তথ্যসূত্রঃ
Please explain Support Vector Machines (SVM) like I am a 5 year old. : MachineLearning
Support Vector Machines explained well




এসভিএম কি?
SVM - support vector machine, যাকে সাধারণভাবে সমর্থন ভেক্টর মেশিন বলা হয়, এটি একটি সুপারভাইজড লার্নিং অ্যালগরিদম, যা শ্রেণিবদ্ধকরণ বিভাগের অন্তর্গত। ডেটা মাইনিংয়ের ক্ষেত্রে, এটি অনিয়ন্ত্রিত ক্লাস্টারিংয়ের সাথে সম্পর্কিত এবং এর থেকে আলাদা। এটি মেশিন লার্নিং, কম্পিউটার ভিশন এবং ডেটা মাইনিং এর ক্ষেত্রে ব্যাপকভাবে ব্যবহৃত হয়। SVM এর মূলনীতি হল চিত্র ১।

ধরুন আমরা ৩-৮ রেখা দিয়ে শূন্য-কোষ ও পূর্ণ-কোষকে দুই ভাগে ভাগ করতে চাই। তাহলে এই কাজটি করার জন্য অসংখ্য লাইন রয়েছে। এসভিএমে, আমরা একটি সর্বোত্তম সীমানা খুঁজছি যাতে উভয় পক্ষের মার্জিন সর্বাধিক হয়। এই ক্ষেত্রে, ডাটা পয়েন্টগুলির একটি বড় অংশকে সমর্থন ভেক্টর বলা হয়, যা এই শ্রেণিবদ্ধকরণ অ্যালগরিদমের নামের উৎস।
যে কোন n মাত্রা বা অসীম মাত্রার স্পেসে প্রসারিত করুন, যেমন চিত্র 2 তে দেখানো হয়েছে।

We got a bunch of data points in a n- dimensional to infinite-dimensional space, Then one can always find a optimal hyperplane which is always in the n-1 dimension.
শেষ পর্যন্ত, পরিসংখ্যানগত দিকনির্দেশনাঃ সমর্থন ভেক্টর মেশিন (এসভিএম) wiki:Support vector machine পাঠ্যক্রমঃ columbia.edu এর পৃষ্ঠা এবং একটি চমৎকার ভিডিও প্রদর্শনী। http://youtu.be/3liCbRZPrZA
ছবির ক্যাপশনঃ