Playground AI

Eksperymentuj z algorytmami AI bezpośrednio w przeglądarce.

SVM Classifier

Support Vector Machine (SVM) to algorytm klasyfikacji, który szuka hiperpłaszczyzny rozdzielającej klasy z maksymalnym marginesem. Wektory nośne — punkty leżące najbliżej granicy decyzyjnej — definiują jej położenie. Dzięki sztuczce jądrowej (kernel trick) SVM potrafi klasyfikować dane, które nie są liniowo separowalne, transformując je do przestrzeni o wyższym wymiarze.

Czego się nauczysz

  • Jak SVM maksymalizuje margines między klasami
  • Czym są wektory nośne i dlaczego to one definiują granicę
  • Jak kernel trick umożliwia nieliniową klasyfikację
  • Różnice między kernelami: liniowy, wielomianowy, RBF

Jak korzystać z wizualizacji

Klasyfikacja 2D za pomocą maszyny wektorów nośnych (SVM). Dodawaj punkty dwóch klas na płótnie, wybierz kernel (liniowy, wielomianowy, RBF) i obserwuj jak SVM wyznacza granicę decyzyjną z maksymalnym marginesem. Żółte obwódki wskazują wektory nośne.

Ładowanie wizualizacji...

Poznaj teorię

Wizualizacja to świetny start, ale pełne zrozumienie wymaga teorii. Przeczytaj artykuł w bazie wiedzy, żeby dowiedzieć się jak to naprawdę działa pod maską.

Przeczytaj artykuł →