کلاسبندی داده ها با روش ماشین بردار پشتیبانسه‌شنبه 01, آگوست 2017

پروژه تشخیص بیماری قلبی با استفاده از ماشین بردار پشتیبان (SVM)

یکی از الگوریتم ها و روشهای بسیار رایج در حوزه دسته بندی داده ها، الگوریتم SVM یا ماشین بردار پشتیبان است 

بردارهای پشتیبان و ماشین بردار پشتیبان

بردارهای پشتیبان به زبان ساده، مجموعه ای از نقاط در فضای n بعدی داده ها هستند که مرز دسته ها را مشخص می کنند و مرزبندی و دسته بندی داده ها براساس آنها انجام می شود و با جابجایی یکی از آنها، خروجی دسته بندی ممکن است تغییر کند . به عنوان مثال در شکل فوق ، بردار (۴۵,۱۵۰) عضوی از بردار پشتیبان و متعلق به یک زن است . در فضای دوبعدی ،‌بردارهای پشتیبان، یک خط، در فضای سه بعدی یک صفحه و در فضای n بعدی یک ابر صفحه را شکل خواهند داد.

در SVM فقط داده های قرار گرفته در بردارهای پشتیبان مبنای یادگیری ماشین و ساخت مدل قرار می گیرند و این الگوریتم به سایر نقاط داده حساس نیست و هدف آن هم یافتن بهترین مرز در بین داده هاست به گونه ای که بیشترین فاصله ممکن را از تمام دسته ها (بردارهای پشتیبان آنها) داشته باشد .

حال پروژه ای با عنوان “تشخیص بیماری قلبی با استفاده از ماشین بردار پشتیبان” با الگوریتم svm توسط تیم همیارپروژه با دیتاستی از سایت uci  انجام شده است.

این پروژه در متلب پیاده سازی شده و پاورپوینت توضیحات را هم داراست

برای دریافت کدها و پاورپوینت پروژه میتوانید آن را از طریق دکمه “خرید” در پایین خریداری نمایید.

همچنین درصورتی که پروژه ای سفارشی دارید می توانید از طریق لینک زیر اقدام به سفارش آن نمایید :

سفارش پروژه

جهت ارتباط سریعتری نیز میتوانید با شماره ۰۹۱۱۷۹۸۳۷۰۹  و یا با آیدی تلگرامی @fnalk در ارتباط باشید.