ماشین بردار مرتبط

ماشین بردار مرتبط (به انگلیسی: Relevance Vector Machine - RVM) در علم ریاضیات به یک شیوه یادگیری ماشین گفته می‌شود که از استنباط بیزی به منظور به دست آوردن راه‌حل‌های مختصر برای رگرسیون و طبقه‌بندی احتمالی استفاده می‌کند. «ماشین بردار مرتبط» شکل عملکرد نسبتاً یکسانی با «ماشین بردار پشتیبان» دارد، با این تفاوت که با این شیوه طبقه‌بندی احتمالی نیز ارائه می‌شود.^[۱]

در واقع می‌توان گفت که هم ارز با (معادل با) یک مدل فرایند گاوسی به همراه تابع همپراش (تابع کوواریانس) است:

${\displaystyle k(\mathbf {x} ,\mathbf {x'} )=\sum _{j=1}^{N}{\frac {1}{\alpha _{j}}}\varphi (\mathbf {x} ,\mathbf {x} _{j})\varphi (\mathbf {x} ',\mathbf {x} _{j})}$

جایی که ${\displaystyle \varphi }$ تابع هسته (معمولاً گاوسی)، ${\displaystyle \alpha _{j}}$ واریانس‌های پیشین در بردار وزن ${\displaystyle w}$ تقریباً معادل ${\displaystyle \ N(0,\alpha ^{-1}I)}$، و ${\displaystyle \mathbf {x} _{1},\ldots ,\mathbf {x} _{N}}$ بردارهای ورودی مجموعه آموزشی هستند.^[۲]

حق اختراع ماشین بردار مرتبط در ایالات متحده آمریکا توسط شرکت مایکروسافت به ثبت رسیده است.^[۳]

نرم‌افزارها

• کتابخانه سی‌پلاس‌پلاس dlib
• کتابخانه Kernel-Machine
• بسته R برای طبقه‌بندی باینری rvmbinary
• ماشین بردار مرتبط ـ سایکیت
• ماشین بردار مرتبط ـ فست سایکیت
• دوره آموزشی RVM

جستارهای وابسته

• روش کرنل
• مقیاس‌پذیری پلات

منابع

1. بارتل, آماندا (2001). "Sparse Bayesian Learning and the Relevance Vector Machine" [یادگیری پراکنده بیزی و ماشین بردار مرتبط]. The Journal of Machine Learning Research (به انگلیسی). ۱ (۱): ۲۱۱–۲۴۴.
2. کاندلا, خواکین کوئینونرو (2004). "مدل‌های خطی احتمالی پراکنده و RVM". یادگیری با عدم قطعیت - فرآیندهای گاوسی و ماشین‌های بردار مرتبط (PDF) (Ph.D.). دانشگاه فنی دانمارک. Retrieved April 22, 2016.
3. US 6633857, Michael E. Tipping, "Relevance vector machine"