J'apprends Support Vector Machines , et je ne peux pas comprendre comment une étiquette de classe est choisie pour un point de données dans un classificateur binaire. Est-il choisi par consensus par rapport à la classification dans chaque dimension de l'hyperplan séparateur?
Le terme consensus , en ce qui me concerne, est plutôt utilisé pour les cas où vous avez plus d'une source de métrique / mesure / choix à partir de laquelle prendre une décision. Et, afin de choisir un résultat possible, vous effectuez une évaluation / un consensus moyen sur les valeurs disponibles.
Ce n'est pas le cas pour SVM. L'algorithme est basé sur une optimisation quadratique , qui maximise la distance par rapport aux documents les plus proches de deux classes différentes, en utilisant un hyperplan pour effectuer la séparation.
Donc, le seul consensus ici est l'hyperplan résultant, calculé à partir des documents les plus proches de chaque classe. En d'autres termes, les classes sont attribuées à chaque point en calculant la distance du point à l'hyperplan dérivé. Si la distance est positive, elle appartient à une certaine classe, sinon, elle appartient à l'autre.