Π‘Π·Π² ΠΌ ΠΎΡ‚ΠΌΠ΅Π½ΡΡŽΡ‰Π°Ρ: Π‘Π—Π’-М ΠΎΡ‚ΠΌΠ΅Π½ΡΡŽΡ‰Π°Ρ: ΠΊΠ°ΠΊ Π·Π°ΠΏΠΎΠ»Π½ΠΈΡ‚ΡŒ, ΠΊΠΎΠ³Π΄Π° сдаСтся, ΠΊΠ°ΠΊ Π½Π΅ ΠΏΠΎΠ»ΡƒΡ‡ΠΈΡ‚ΡŒ ΡˆΡ‚Ρ€Π°Ρ„

Π‘ΠΎΠ΄Π΅Ρ€ΠΆΠ°Π½ΠΈΠ΅

Как ΠΎΡ‚ΠΌΠ΅Π½ΠΈΡ‚ΡŒ ΠΎΡ‚ΠΏΡ€Π°Π²Π»Π΅Π½Π½Ρ‹ΠΉ ΠΈΠ»ΠΈ ΠΎΡ‚ΠΌΠ΅Π½ΡΡŽΡ‰ΠΈΠΉ Π‘Π—Π’-Π’Π”

Π‘ΠΎΠ΄Π΅Ρ€ΠΆΠ°Π½ΠΈΠ΅ ΡΡ‚Π°Ρ‚ΡŒΠΈ:

Π€ΠΎΡ€ΠΌΠΈΡ€ΠΎΠ²Π°Π½ΠΈΠ΅ ΠΎΡ‚ΠΌΠ΅Π½ΡΡŽΡ‰Π΅Π³ΠΎ Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚Π° Π‘Π—Π’-Π’Π”

ΠŸΡ€ΠΎΠ²Π΅Ρ€ΠΊΠ° ΠΎΡ‚ΠΌΠ΅Π½ΡΡŽΡ‰Π΅Π³ΠΎ Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚Π° Π‘Π—Π’-Π’Π”

Π€ΠΎΡ€ΠΌΠΈΡ€ΠΎΠ²Π°Π½ΠΈΠ΅ ΠΎΡ‚ΠΌΠ΅Π½ΡΡŽΡ‰Π΅Π³ΠΎ Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚Π° Π‘Π—Π’-Π’Π”


НСрСдко Π±ΡƒΡ…Π³Π°Π»Ρ‚Π΅Ρ€/ΠΊΠ°Π΄Ρ€ΠΎΠ²ΠΈΠΊ ΡΡ‚Π°Π»ΠΊΠΈΠ²Π°ΡŽΡ‚ΡΡ ΡΒ Π½Π΅ΠΎΠ±Ρ…ΠΎΠ΄ΠΈΠΌΠΎΡΡ‚ΡŒΡŽ ΠΎΡ‚ΠΌΠ΅Π½ΠΈΡ‚ΡŒ Ρ€Π°Π½Π΅Π΅ Π½Π°ΠΏΡ€Π°Π²Π»Π΅Π½Π½Ρ‹Π΅ в ПЀР свСдСния ΠΏΠΎΒ Ρ„ΠΎΡ€ΠΌΠ΅ Π‘Π—Π’-Π’Π”. 1Π‘:Π—Π£ΠŸ Π½Π°ΠΈΠ±ΠΎΠ»Π΅Π΅ наглядно сформированныС свСдСния Π²Β Ρ„ΠΎΡ€ΠΌΠ°Ρ‚Π΅ Π‘Π—Π’-Π’Π”, Π‘Π’Π”-Π , заявлСния ΠΎΒ Π²Ρ‹Π±ΠΎΡ€Π΅ способа вСдСния Ρ‚Ρ€ΡƒΠ΄ΠΎΠ²ΠΎΠΉ ΠΊΠ½ΠΈΠΆΠΊΠΈ прСдставлСны Π²ΠΎΒ Π²ΠΊΠ»Π°Π΄ΠΊΠ΅ ΠšΠ°Π΄Ρ€Ρ‹Β β€” Π­Π»Π΅ΠΊΡ‚Ρ€ΠΎΠ½Π½Ρ‹Π΅ Ρ‚Ρ€ΡƒΠ΄ΠΎΠ²Ρ‹Π΅ ΠΊΠ½ΠΈΠΆΠΊΠΈ.


Π’ 1Π‘:Π—Π£ΠŸ Π½Π°ΠΈΠ±ΠΎΠ»Π΅Π΅ наглядно сформированныС свСдСния Π² Ρ„ΠΎΡ€ΠΌΠ°Ρ‚Π΅ Π‘Π—Π’-Π’Π”, Π‘Π’Π”-Π , заявлСния ΠΎ Π²Ρ‹Π±ΠΎΡ€Π΅ способа вСдСния Ρ‚Ρ€ΡƒΠ΄ΠΎΠ²ΠΎΠΉ ΠΊΠ½ΠΈΠΆΠΊΠΈ прСдставлСны Π²ΠΎ Π²ΠΊΠ»Π°Π΄ΠΊΠ΅ ΠšΠ°Π΄Ρ€Ρ‹ — Π­Π»Π΅ΠΊΡ‚Ρ€ΠΎΠ½Π½Ρ‹Π΅ Ρ‚Ρ€ΡƒΠ΄ΠΎΠ²Ρ‹Π΅ ΠΊΠ½ΠΈΠΆΠΊΠΈΒ 


Для ΠΎΡ‚ΠΌΠ΅Π½Ρ‹ сначала Π½ΡƒΠΆΠ½ΠΎ ΡΠΎΠ·Π΄Π°Ρ‚ΡŒ Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚ РСгистрация Ρ‚Ρ€ΡƒΠ΄ΠΎΠ²ΠΎΠΉ Π΄Π΅ΡΡ‚Π΅Π»ΡŒΠ½ΠΎΡΡ‚ΠΈ.

Π”Π°Π»Π΅Π΅ Ρ‡Π΅Ρ€Π΅Π· ΠΊΠ½ΠΎΠΏΠΊΡƒ ΠžΡ‚ΠΌΠ΅Π½ΠΈΡ‚ΡŒ Π²Ρ‹Π±ΠΈΡ€Π°Π΅ΠΌ Π½ΡƒΠΆΠ½ΠΎΠ΅ мСроприятиС.

БоотвСтствСнно, Π±ΡƒΠ΄Π΅Ρ‚ создан Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚ РСгистрация Ρ‚Ρ€ΡƒΠ΄ΠΎΠ²ΠΎΠΉ Π΄Π΅ΡΡ‚Π΅Π»ΡŒΠ½ΠΎΡΡ‚ΠΈ ΡΒ ΠΎΡ‚ΠΌΠ΅Π½ΡΡŽΡ‰Π΅ΠΉ записью.


Π’Π°ΠΆΠ½ΠΎ: Π΄Π°Ρ‚Π° Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚Π° РСгистрация Ρ‚Ρ€ΡƒΠ΄ΠΎΠ²ΠΎΠΉ Π΄Π΅ΡΡ‚Π΅Π»ΡŒΠ½ΠΎΡΡ‚ΠΈ Π΄ΠΎΠ»ΠΆΠ½Π° Π±Ρ‹Ρ‚ΡŒ Ρ‚Π΅ΠΊΡƒΡ‰Π΅ΠΉ, Ρ‚.ΠΊ. ΠΎΡ‚ΠΌΠ΅Π½ΡΡŽΡ‰ΠΈΠΉ Π‘Π—Π’-Π’Π” Π±ΡƒΠ΄Π΅ΠΌ ΠΎΡ‚ΠΏΡ€Π°Π²Π»ΡΡ‚ΡŒ ΠΈΠΌΠ΅Π½Π½ΠΎ Π²Β Ρ‚Π΅ΠΊΡƒΡ‰Π΅ΠΌ ΠΏΠ΅Ρ€ΠΈΠΎΠ΄Π΅.


Π”Π°Π»Π΅Π΅ создаСм Π‘Π—Π’-Π’Π”, заполняСм всСми мСроприятиями, и автоматичСски сюда ΠΏΠΎΠΏΠ°Π΄Π°Π΅Ρ‚ созданная запись ΠΈΠ·Β Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚Π° РСгистрация Ρ‚Ρ€ΡƒΠ΄ΠΎΠ²ΠΎΠΉ Π΄Π΅ΡΡ‚Π΅Π»ΡŒΠ½ΠΎΡΡ‚ΠΈ.

Ρ‡ΠΈΡ‚Π°ΠΉΡ‚Π΅ Ρ‚Π°ΠΊΠΆΠ΅

Как ΡΠΊΠΎΡ€Ρ€Π΅ΠΊΡ‚ΠΈΡ€ΠΎΠ²Π°Ρ‚ΡŒ свСдСния ΠΏΠΎ Ρ„ΠΎΡ€ΠΌΠ΅ Π‘Π—Π’-Π’Π” Π² 1Π‘:Π‘ΡƒΡ…Π³Π°Π»Ρ‚Π΅Ρ€ΠΈΠΈ

ΠžΡ‚Ρ€Π°ΠΆΠ΅Π½ΠΈΠ΅ Ρ€Π°Π·Π»ΠΈΡ‡Π½Ρ‹Ρ… ΠΏΠ΅Ρ€ΠΈΠΎΠ΄ΠΎΠ² Π² Π‘Π—Π’-БВАЖ

Π‘Π²Π΅Ρ€ΠΊΠ° Π‘Π—Π’-М ΠΈ Π‘Π—Π’-БВАЖ

ΠŸΡ€ΠΎΠ²Π΅Ρ€ΠΊΠ° ΠΎΡ‚ΠΌΠ΅Π½ΡΡŽΡ‰Π΅Π³ΠΎ Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚Π° Π‘Π—Π’-Π’Π”


Π§Ρ‚ΠΎΠ±Ρ‹ Π±Ρ‹Ρ‚ΡŒ ΡƒΠ²Π΅Ρ€Π΅Π½Π½Ρ‹ΠΌ Π²Β ΠΏΠΎΠ»ΡƒΡ‡Π΅Π½ΠΈΠΈ ΠΏΠΎΠ»ΠΎΠΆΠΈΡ‚Π΅Π»ΡŒΠ½ΠΎΠ³ΠΎ ΠΏΡ€ΠΎΡ‚ΠΎΠΊΠΎΠ»Π° ΠΎΡ‚Β ΠŸΠ€Π , Π½ΡƒΠΆΠ½ΠΎ ΠΏΡ€ΠΎΠ²Π΅Ρ€ΠΈΡ‚ΡŒΒ β€” Ρ‚ΠΎΒ Π»ΠΈ мСроприятиС (в нашСм ΠΏΡ€ΠΈΠΌΠ΅Ρ€Π΅Β β€” ΠΏΡ€ΠΈΠ΅ΠΌ) мы отмСняСм.


ΠšΠ°ΠΆΠ΄ΠΎΠΌΡƒ Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚Ρƒ отчСтности ΠΏΡ€ΠΈ Ρ„ΠΎΡ€ΠΌΠΈΡ€ΠΎΠ²Π°Π½ΠΈΠΈ присваиваСтся ΡƒΠ½ΠΈΠΊΠ°Π»ΡŒΠ½Ρ‹ΠΉ Π±ΡƒΠΊΠ²Π΅Π½Π½ΠΎ-Ρ†ΠΈΡ„Ρ€ΠΎΠ²ΠΎΠΉ ΠΊΠΎΠ΄Β β€” UUID. БоотвСтствСнно, ΠΏΡ€ΠΈ ΠΎΡ‚ΠΌΠ΅Π½Π΅ ΠΎΡ‚ΠΏΡ€Π°Π²Π»Π΅Π½Π½ΠΎΠ³ΠΎ ΠΎΡ‚Ρ‡Π΅Ρ‚Π° Π‘Π—Π’-Π’Π” Π½Π΅ΠΎΠ±Ρ…ΠΎΠ΄ΠΈΠΌΠΎ ΡΠΎΡΠ»Π°Ρ‚ΡŒΡΡ на исходный UUID.


ΠŸΡ€ΠΎΠ²Π΅Ρ€ΠΈΡ‚ΡŒ ΠΎΡ‚ΠΏΡ€Π°Π²Π»Π΅Π½Π½Ρ‹ΠΉ UUID ΠΌΠΎΠΆΠ½ΠΎ ΡΠ»Π΅Π΄ΡƒΡŽΡ‰ΠΈΠΌ ΠΎΠ±Ρ€Π°Π·ΠΎΠΌ: Π² Π‘Π—Π’-Π’Π” ΠžΡ‚ΠΊΡ€Ρ‹Ρ‚ΡŒ Ρ„Π°ΠΉΠ».


Π”Π°Π»Π΅Π΅ в сформированном ΠΎΡ‚ΠΌΠ΅Π½ΡΡŽΡ‰Π΅ΠΌ Π‘Π—Π’-Π’Π” ΠΏΡ€ΠΎΠ²Π΅Ρ€ΠΈΠΌ ссылку Π½Π°Β Ρ‚ΠΎΡ‚ UUID, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹ΠΉ Π±Ρ‹Π» Π²Β ΠΏΠ΅Ρ€Π²ΠΎΠ½Π°Ρ‡Π°Π»ΡŒΠ½ΠΎ ΠΎΡ‚ΠΏΡ€Π°Π²Π»Π΅Π½Π½ΠΎΠΌ мСроприятии.


БоотвСтствСнно, отмСняСм ΠΌΡ‹Β ΠΈΠΌΠ΅Π½Π½ΠΎ Ρ‚ΠΎΡ‚ UUID, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹ΠΉ Π±Ρ‹Π» ΠΎΡ‚ΠΏΡ€Π°Π²Π»Π΅Π½ в ПЀР.

Π”Π°Π»Π΅Π΅ для Π²Π΅Ρ€Π½ΠΎΠ³ΠΎ ΡƒΡ‡Π΅Ρ‚Π° Π²Β 1Π‘:Π—Π£ΠŸ Π½Π΅ΠΎΠ±Ρ…ΠΎΠ΄ΠΈΠΌΠΎ Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚ ΠΎΒ ΠΏΡ€ΠΈΠ΅ΠΌΠ΅ Π½Π°Β Ρ€Π°Π±ΠΎΡ‚Ρƒ ΠΏΠΎΠΌΠ΅Ρ‚ΠΈΡ‚ΡŒ Π½Π°Β ΡƒΠ΄Π°Π»Π΅Π½ΠΈΠ΅.

Π˜ΡΠΏΠΎΠ»ΡŒΠ·ΡƒΡ Π΄Π°Π½Π½Ρ‹ΠΉ способ, ΠΌΠΎΠΆΠ½ΠΎ ΡΠΎΠ·Π΄Π°Ρ‚ΡŒ ΠΎΡ‚ΠΌΠ΅Π½ΡΡŽΡ‰ΠΈΠΉ Π‘Π—Π’-Π’Π”, ΠΏΡ€ΠΎΠ²Π΅Ρ€ΠΈΡ‚ΡŒ ссылку на отмСняСмоС мСроприятиС и с наибольшСй Π²Π΅Ρ€ΠΎΡΡ‚Π½ΠΎΡΡ‚ΡŒΡŽ ΠΏΠΎΠ»ΡƒΡ‡ΠΈΡ‚ΡŒ ΠΏΠΎΠ»ΠΎΠΆΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹ΠΉ ΠΏΡ€ΠΎΡ‚ΠΎΠΊΠΎΠ» ΠΏΡ€ΠΈΠ΅ΠΌΠ° Π΄Π°Π½Π½Ρ‹Ρ… свСдСний из ПЀР.


Иногда ΠΌΠΎΠΆΠ΅Ρ‚ Π²ΠΎΠ·Π½ΠΈΠΊΠ½ΡƒΡ‚ΡŒ Π½Π΅ΠΎΠ±Ρ…ΠΎΠ΄ΠΈΠΌΠΎΡΡ‚ΡŒ ΠΎΡ‚ΠΌΠ΅Π½ΠΈΡ‚ΡŒ ΠΎΡ‚ΠΌΠ΅Π½ΡΡŽΡ‰ΠΈΠΉ Π‘Π—Π’-Π’Π”,Ρ‚.Π΅. всС-Ρ‚Π°ΠΊΠΈ Π½Π°ΠΏΡ€Π°Π²ΠΈΡ‚ΡŒ свСдСния ΠΎΒ ΠΏΡ€ΠΈΠ΅ΠΌΠ΅ сотрудника в ПЀР. В этом случаС Π½Π΅ΠΎΠ±Ρ…ΠΎΠ΄ΠΈΠΌΠΎ просто ΡΠΎΠ·Π΄Π°Ρ‚ΡŒ Π½ΠΎΠ²Ρ‹ΠΉ Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚ ΠΏΡ€ΠΈΠ΅ΠΌΠ°, соотвСтствСнно Π΅ΠΌΡƒ Π±ΡƒΠ΄Π΅Ρ‚ присвоСн Π½ΠΎΠ²Ρ‹ΠΉ UUID, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹ΠΉ Π±ΡƒΠ΄Π΅Ρ‚ ΠΎΡ‚Ρ€Π°ΠΆΠ΅Π½ Π²Β Π½ΠΎΠ²ΠΎΠΌ Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚Π΅ Π‘Π—Π’-Π’Π” ΠΈΒ ΡƒΡΠΏΠ΅ΡˆΠ½ΠΎ принят ПЀР.

Автор ΡΡ‚Π°Ρ‚ΡŒΠΈ

Π˜Ρ€ΠΈΠ½Π° Елистратова

БпСциалист-ΠΊΠΎΠ½ΡΡƒΠ»ΡŒΡ‚Π°Π½Ρ‚ ΠΏΠΎ Π·Π°Ρ€ΠΏΠ»Π°Ρ‚Π΅

ΠŸΠΎΡΠΌΠΎΡ‚Ρ€Π΅Ρ‚ΡŒ всС ΡΡ‚Π°Ρ‚ΡŒΠΈ Π°Π²Ρ‚ΠΎΡ€Π°

Π‘Π—Π’-М.

ЕТСмСсячная Ρ„ΠΎΡ€ΠΌΠ° отчСтности Π² ПЀ. / ΠšΠΎΠ½Ρ‚ΡƒΡ€.Π—Π°Ρ€ΠΏΠ»Π°Ρ‚Π° / Π‘ΠšΠ‘ ΠšΠΎΠ½Ρ‚ΡƒΡ€

  1. ΠšΠΎΠ½Ρ‚ΡƒΡ€.Π—Π°Ρ€ΠΏΠ»Π°Ρ‚Π°
  2. ΠžΡ‚Ρ‡Π΅Ρ‚Π½ΠΎΡΡ‚ΡŒ
  3. Π‘Ρ‚Π°Ρ‚ΡŒΠΈ

    Π€ΠΎΡ€ΠΌΠ° Π‘Π—Π’-М, Ρ„ΠΎΡ€ΠΌΠ° СТСмСсячной отчСтности.

    — Π’Π²Π΅Π΄Π΅Π½Π° ΠΎΠ±ΡΠ·Π°Π½Π½ΠΎΡΡ‚ΡŒ ΠΏΡ€Π΅Π΄ΡΡ‚Π°Π²Π»ΡΡ‚ΡŒ свСдСния «Π€Π΅Π΄Π΅Ρ€Π°Π»ΡŒΠ½Ρ‹ΠΉ Π·Π°ΠΊΠΎΠ½ ΠΎΡ‚ 29.12.2015 β„– 385-Π€Π— «Πž приостановлСнии дСйствия ΠΎΡ‚Π΄Π΅Π»ΡŒΠ½Ρ‹Ρ… ΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΠΉ Π·Π°ΠΊΠΎΠ½ΠΎΠ΄Π°Ρ‚Π΅Π»ΡŒΠ½Ρ‹Ρ… Π°ΠΊΡ‚ΠΎΠ² Российской Π€Π΅Π΄Π΅Ρ€Π°Ρ†ΠΈΠΈ, внСсСнии ΠΈΠ·ΠΌΠ΅Π½Π΅Π½ΠΈΠΉ Π² ΠΎΡ‚Π΄Π΅Π»ΡŒΠ½Ρ‹Π΅ Π·Π°ΠΊΠΎΠ½ΠΎΠ΄Π°Ρ‚Π΅Π»ΡŒΠ½Ρ‹Π΅ Π°ΠΊΡ‚Ρ‹ Российской Π€Π΅Π΄Π΅Ρ€Π°Ρ†ΠΈΠΈ ΠΈ особСнностях увСличСния страховой пСнсии, фиксированной Π²Ρ‹ΠΏΠ»Π°Ρ‚Ρ‹ ΠΊ страховой пСнсии ΠΈ ΡΠΎΡ†ΠΈΠ°Π»ΡŒΠ½Ρ‹Ρ… пСнсий» http://publication.pravo.gov.ru/Document/View/0001201512290017

    — ΠŸΠΎΡΡ‚Π°Π½ΠΎΠ²Π»Π΅Π½ΠΈΠ΅ ΠŸΡ€Π°Π²Π»Π΅Π½ΠΈΡ ПЀ Π Π€ ΠΎΡ‚ 01.02.2016 N 83ΠΏ «ΠžΠ± ΡƒΡ‚Π²Π΅Ρ€ΠΆΠ΄Π΅Π½ΠΈΠΈ Ρ„ΠΎΡ€ΠΌΡ‹ «Π‘вСдСния ΠΎ застрахованных Π»ΠΈΡ†Π°Ρ…» (ЗарСгистрировано Π² ΠœΠΈΠ½ΡŽΡΡ‚Π΅ России 18.02.2016 N 41142)

    — Π€ΠΎΡ€ΠΌΠ°Ρ‚ ΡƒΡ‚Π²Π΅Ρ€ΠΆΠ΄Π΅Π½ «Π Π°ΡΠΏΠΎΡ€ΡΠΆΠ΅Π½ΠΈΠ΅ ΠŸΡ€Π°Π²Π»Π΅Π½ΠΈΡ ПЀ Π Π€ ΠΎΡ‚ 25.02.2016 N 70Ρ€ «ΠžΠ± ΡƒΡ‚Π²Π΅Ρ€ΠΆΠ΄Π΅Π½ΠΈΠΈ Ρ„ΠΎΡ€ΠΌΠ°Ρ‚Π° Π΄Π°Π½Π½Ρ‹Ρ… свСдСний ΠΎ застрахованных Π»ΠΈΡ†Π°Ρ…».

    — Π€ΠΎΡ€ΠΌΠ° прСдоставляСтся с 1 ΠΏΠΎ 10 число мСсяца ΡΠ»Π΅Π΄ΡƒΡŽΡ‰Π΅Π³ΠΎ Π·Π° ΠΎΡ‚Ρ‡Π΅Ρ‚Π½Ρ‹ΠΌ.

    — ΠŸΡ€Π°Π²ΠΈΠ»Π° ΠΏΠΎ Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚ΠΎΠΎΠ±ΠΎΡ€ΠΎΡ‚Ρƒ для Π‘Π—Π’-М Ρ‚Π°ΠΊΠΈΠ΅ ΠΊΠ°ΠΊ для ΠΎΡΡ‚Π°Π»ΡŒΠ½Ρ‹Ρ… Ρ„ΠΎΡ€ΠΌ.

    Π’ Ρ„ΠΎΡ€ΠΌΠ΅ содСрТится информация ΠΎ сотрудниках:

    • ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ Π·Π°ΠΊΠ»ΡŽΡ‡ΠΈΠ»ΠΈ с Ρ€Π°Π±ΠΎΡ‚ΠΎΠ΄Π°Ρ‚Π΅Π»Π΅ΠΌ Ρ‚Ρ€ΡƒΠ΄ΠΎΠ²ΠΎΠΉ ΠΈΠ»ΠΈ граТданско-ΠΏΡ€Π°Π²ΠΎΠ²ΠΎΠΉ Π΄ΠΎΠ³ΠΎΠ²ΠΎΡ€.
    • Ссли сотрудник числился Π½Π° Ρ€Π°Π±ΠΎΡ‚Π΅ Ρ…ΠΎΡ‚ΡŒ 1 дСнь, ΠΏΡƒΡΡ‚ΡŒ Π΄Π°ΠΆΠ΅ ΠΎΠ½ этим Π΄Π½Π΅ΠΌ Π±Ρ‹Π» ΡƒΠ²ΠΎΠ»Π΅Π½, Π΄Π°ΠΆΠ΅ Ссли ΠΎΠ½ Π² Π΄Π΅ΠΊΡ€Π΅Ρ‚Π΅ ΠΈΠ»ΠΈ Π² административном отпускС.
    • Ссли Π΄ΠΎΠ³ΠΎΠ²ΠΎΡ€ бСссрочный, Ρ‚ΠΎ сотрудник отраТаСтся Π² Π‘Π—Π’-М Π² Ρ‚ΠΎΠΌ мСсяцС, ΠΊΠΎΠ³Π΄Π° Π±ΡƒΠ΄Π΅Ρ‚ подписан Π°ΠΊΡ‚ Π²Ρ‹ΠΏΠΎΠ»Π½Π΅Π½Π½Ρ‹Ρ… Ρ€Π°Π±ΠΎΡ‚. Π’Π°ΠΆΠ½ΠΎ, Ρ‡Ρ‚ΠΎΠ±Ρ‹ Π΄Π°Π½Π½Ρ‹Π΅ ΠΎ сотрудникС помСсячно совпадали Π² Π Π‘Π’ ΠΈ Π‘Π—Π’-М, для избСТания ΡˆΡ‚Ρ€Π°Ρ„ΠΎΠ² это ΠΎΠΏΡ€Π΅Π΄Π΅Π»ΡΡŽΡ‰Π΅Π΅ соотвСтствиС.
    • Π€ΠΎΡ€ΠΌΠ° Π‘Π—Π’-М сдаСтся Π² элСктронном Π²ΠΈΠ΄Π΅ Ссли, количСство сотрудников Π² ΠΎΡ€Π³Π°Π½ΠΈΠ·Π°Ρ†ΠΈΠΈ большС 25. Π˜Π½Π°Ρ‡Π΅ ΠΌΠΎΠΆΠ½ΠΎ ΡΠ΄Π°Ρ‚ΡŒ Π½Π° Π±ΡƒΠΌΠ°Π³Π΅, для этого Π½ΡƒΠΆΠ½ΠΎ 2 экзСмпляра ΠΏΠ΅Ρ‡Π°Ρ‚Π½Ρ‹Ρ… + элСктронный Π½ΠΎΡΠΈΡ‚Π΅Π»ΡŒ с Ρ„Π°ΠΉΠ»ΠΎΠΌ.
    • На ΠΏΠ°Ρ‡ΠΊΠΈ Π½Π΅ дСлится. 1 Π€Π°ΠΉΠ» — 1 ΠŸΠΎΡΡ‹Π»ΠΊΠ° — 1 Π’ΠΈΠΏ.
    • НомСра сотрудников Π² Ρ„ΠΎΡ€ΠΌΠ΅ Π΄ΠΎΠ»ΠΆΠ½Ρ‹ ΠΈΠ΄Ρ‚ΠΈ строго ΠΏΠΎ порядку, начиная с 1, Π±Π΅Π· пропусков ΠΈ ΠΏΠΎΠ²Ρ‚ΠΎΡ€Π΅Π½ΠΈΠΉ.
    • ΠŸΡ€ΠΎΠ²Π΅Ρ€ΠΊΠ° осущСствляСтся ΠΏΠΎ ЀИО ΠΈ Π‘ΠΠ˜Π›Π‘. ИНН Ссли Π²Π²ΠΎΠ΄ΠΈΡ‚ΡŒ, Ρ‚ΠΎ Ρ‚ΠΎΠ»ΡŒΠΊΠΎ ΠΏΡ€Π°Π²ΠΈΠ»ΡŒΠ½Ρ‹ΠΉ, Ρ„ΠΈΠΊΡ‚ΠΈΠ²Π½Ρ‹Π΅ ИНН нСльзя Π·Π°ΠΏΠΎΠ»Π½ΡΡ‚ΡŒ.
    • ΠœΠΎΠ³ΡƒΡ‚ Π±Ρ‹Ρ‚ΡŒ 3 Ρ‚ΠΈΠΏΠ° Π΄Π°Π½Π½ΠΎΠΉ Ρ„ΠΎΡ€ΠΌΡ‹ исходная / Π΄ΠΎΠΏΠΎΠ»Π½ΡΡŽΡ‰Π°Ρ / ΠΎΡ‚ΠΌΠ΅Π½ΡΡŽΡ‰Π°Ρ
    1. Π˜ΡΡ…ΠΎΠ΄Π½Π°Ρ — подаСтся Ссли Ρ„ΠΎΡ€ΠΌΠ° Π½Π΅ подавалась ΠΈΠ»ΠΈ Π½Π΅ Π±Ρ‹Π»Π° Π·Π°Π³Ρ€ΡƒΠΆΠ΅Π½Π° Π² Π±Π°Π·Ρƒ ПЀР( ΠΏΡ€ΠΈΡˆΠ΅Π» ΠΎΡ‚Ρ€ΠΈΡ†Π°Ρ‚Π΅Π»ΡŒΠ½Ρ‹ΠΉ ΠΏΡ€ΠΎΡ‚ΠΎΠΊΠΎΠ» Check ПЀР ΠΏΠΎ Π΄Ρ€ΡƒΠ³ΠΎΠΌΡƒ ΠΌΡ‹ Π½Π΅ ΠΌΠΎΠΆΠ΅ΠΌ ΠΎΠΏΡ€Π΅Π΄Π΅Π»ΠΈΡ‚ΡŒ Π·Π°Π³Ρ€ΡƒΠΆΠ΅Π½ Π² Π±Π°Π·Ρƒ ΠΎΡ‚Ρ‡Π΅Ρ‚ ΠΈΠ»ΠΈ Π½Π΅Ρ‚).
    2. Π”ΠΎΠΏΠΎΠ»Π½ΡΡŽΡ‰Π°Ρ — подаСтся Π² Ρ‚ΠΎΠΌ случаС, Ссли Ρ„ΠΎΡ€ΠΌΠ° принята ΠΈ Π½Π°ΠΉΠ΄Π΅Π½Ρ‹ ошибки самим страховатСлСм ΠΈΠ»ΠΈ инспСктором ПЀ. Π’ Ρ„ΠΎΡ€ΠΌΡƒ Π²ΠΊΠ»ΡŽΡ‡Π°ΡŽΡ‚ΡΡ Ρ‚ΠΎΠ»ΡŒΠΊΠΎ Ρ‚Π΅ сотрудники, ΠΏΠΎ ΠΊΠΎΡ‚ΠΎΡ€Ρ‹ΠΌ Π±Ρ‹Π»ΠΈ ошибки, ΠΈΠ»ΠΈ ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Ρ… Π·Π°Π±Ρ‹Π»ΠΈ Π²ΠΊΠ»ΡŽΡ‡ΠΈΡ‚ΡŒ Π² исходный ΠΎΡ‚Ρ‡Π΅Ρ‚.
    3. ΠžΡ‚ΠΌΠ΅Π½ΡΡŽΡ‰Π°Ρ — подаСтся Π² Ρ‚ΠΎΠΌ случаС, Ссли Π΄Π°Π½Π½Ρ‹Π΅ Π½Π° сотрудника Π½Π΅ Π½ΡƒΠΆΠ½ΠΎ Π±Ρ‹Π»ΠΎ ΡΠ΄Π°Π²Π°Ρ‚ΡŒ Π² Π΄Π°Π½Π½Ρ‹ΠΉ ПЀ, Π° ΠΏΠΎΠ»ΡŒΠ·ΠΎΠ²Π°Ρ‚Π΅Π»ΡŒ ΠΎΡ‚ΠΏΡ€Π°Π²ΠΈΠ» ΠΈ ΠΈΡ… приняли.

    Π€ΠΎΡ€ΠΌΠΈΡ€ΠΎΠ²Π°Π½ΠΈΠ΅ Π² ΠšΠΎΠ½Ρ‚ΡƒΡ€.Π—Π°Ρ€ΠΏΠ»Π°Ρ‚Π΅:

    1. Π˜ΡΡ…ΠΎΠ΄Π½Π°Ρ — ΠžΡ‚Ρ‡Π΅Ρ‚Ρ‹ — ΠžΡ‚Ρ‡Π΅Ρ‚Ρ‹ Π² ΠŸΠ΅Π½ΡΠΈΠΎΠ½Π½Ρ‹ΠΉ Ρ„ΠΎΠ½Π΄ — Π˜ΡΡ…ΠΎΠ΄Π½Ρ‹ΠΉ ΠΎΡ‚Ρ‡Π΅Ρ‚ — Π‘Π—Π’-М
    2. Π”ΠΎΠΏΠΎΠ»Π½ΡΡŽΡ‰Π°Ρ — ΠžΡ‚Ρ‡Π΅Ρ‚Ρ‹ — ΠžΡ‚Ρ‡Π΅Ρ‚Ρ‹ Π² ΠŸΠ΅Π½ΡΠΈΠΎΠ½Π½Ρ‹ΠΉ Ρ„ΠΎΠ½Π΄ — ΠšΠΎΡ€Ρ€Π΅ΠΊΡ‚ΠΈΡ€ΡƒΡŽΡ‰ΠΈΠΉ ΠΎΡ‚Ρ‡Π΅Ρ‚ — Π‘Π—Π’-М — ΠšΠΎΡ€Ρ€Π΅ΠΊΡ‚ΠΈΡ€ΡƒΡŽΡ‰ΠΈΠ΅.
    3. ΠžΡ‚ΠΌΠ΅Π½ΡΡŽΡ‰Π°Ρ — ΠžΡ‚Ρ‡Π΅Ρ‚Ρ‹ — ΠžΡ‚Ρ‡Π΅Ρ‚Ρ‹ Π² ΠŸΠ΅Π½ΡΠΈΠΎΠ½Π½Ρ‹ΠΉ Ρ„ΠΎΠ½Π΄ — ΠšΠΎΡ€Ρ€Π΅ΠΊΡ‚ΠΈΡ€ΡƒΡŽΡ‰ΠΈΠΉ ΠΎΡ‚Ρ‡Π΅Ρ‚ — Π‘Π—Π’-М — ΠžΡ‚ΠΌΠ΅Π½ΡΡŽΡ‰ΠΈΠ΅.

    Настройки Π² ΠšΠΎΠ½Ρ‚ΡƒΡ€-Π—Π°Ρ€ΠΏΠ»Π°Ρ‚Π΅.

    Настройки Ρ„ΠΎΡ€ΠΌΡ‹ находятся Π² ΠΏΡƒΠ½ΠΊΡ‚Π΅ мСню Настройка — Настройка Ρ‚Π°Π±Π»ΠΈΡ† ΠΈ Ρ„ΠΎΡ€ΠΌ — Π‘ΠΏΡ€Π°Π²ΠΊΠΈ ΠΈ ΠΎΡ‚Ρ‡Π΅Ρ‚Ρ‹ для ПЀ — Π‘Π—Π’-М.

    Часто ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅ΠΌΡ‹Π΅ настройки:

    • Π£Ρ‡ΠΈΡ‚Ρ‹Π²Π°Ρ‚ΡŒ Ρ‚ΠΎΠ»ΡŒΠΊΠΎ Π΄Π°Ρ‚Ρ‹ ΠΏΡ€ΠΈΠ΅ΠΌΠ°-ΡƒΠ²ΠΎΠ»ΡŒΠ½Π΅Π½ΠΈΡ — ΠΏΡ€ΠΈ Π·Π½Π°Ρ‡Π΅Π½ΠΈΠΈ 0 ΠΏΠΎΠΏΠ°Π΄Π°Π΅Ρ‚ Ρ€Π°Π±ΠΎΡ‚Π½ΠΈΠΊ Π² Π‘Π—Π’-М ΠΈΠ»ΠΈ Π½Π΅Ρ‚ опрСдСляСтся ΠΏΠΎ Ρ‚Ρ€ΡƒΠ΄ΠΎΠ²ΠΎΠΌΡƒ стаТу, ΠΏΡ€ΠΈ Π·Π½Π°Ρ‡Π΅Π½ΠΈΠΈ 1 Ρ‚ΠΎΠ»ΡŒΠΊΠΎ ΠΏΠΎ Π΄Π°Ρ‚Π°ΠΌ ΠΏΡ€ΠΈΠ΅ΠΌΠ°/ΡƒΠ²ΠΎΠ»ΡŒΠ½Π΅Π½ΠΈΡ.
    • Π£Ρ‡Π΅Ρ‚ сумм — ΠΏΡ€ΠΈ Π·Π½Π°Ρ‡Π΅Π½ΠΈΠΈ 0 — Π½Π°Π»ΠΈΡ‡ΠΈΠ΅ сумм Π½Π΅ влияСт Π½Π° ΠΏΠΎΠΏΠ°Π΄Π°Π½ΠΈΠ΅ сотрудника Π² ΠΎΡ‚Ρ‡Π΅Ρ‚, ΠΏΡ€ΠΈ Π·Π½Π°Ρ‡Π΅Π½ΠΈΠΈ 1 — ΠΊΠ°ΠΊ ΡƒΡ‡ΠΈΡ‚Ρ‹Π²Π°ΡŽΡ‚ΡΡ суммы опрСдСляСтся настройкой Π Π‘Π’.
    • Π‘ΠΎΡ€Ρ‚ΠΈΡ€ΠΎΠ²ΠΊΠ° списка Ρ€Π°Π±ΠΎΡ‚Π½ΠΈΠΊΠΎΠ² — 0 — Π½Π΅ ΡΠΎΡ€Ρ‚ΠΈΡ€ΠΎΠ²Π°Ρ‚ΡŒ, 1 — ΡΠΎΡ€Ρ‚ΠΈΡ€ΠΎΠ²Π°Ρ‚ΡŒ ΠΏΠΎ ЀИО, 2 — ΠΏΠΎ Π‘ΠΠ˜Π›Π‘.

    ΠŸΡ€Π΅Π΄Ρ‹Π΄ΡƒΡ‰Π°Ρ ΡΡ‚Π°Ρ‚ΡŒΡ: Как Π² ΠΏΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΠ΅ ΠšΠΎΠ½Ρ‚ΡƒΡ€.Π—Π°Ρ€ΠΏΠ»Π°Ρ‚Π° вСсти элСктронныС Ρ‚Ρ€ΡƒΠ΄ΠΎΠ²Ρ‹Π΅ ΠΊΠ½ΠΈΠΆΠΊΠΈ ΠΈ Ρ„ΠΎΡ€ΠΌΠΈΡ€ΠΎΠ²Π°Ρ‚ΡŒ ΠΎΡ‚Ρ‡Π΅Ρ‚ Π‘Π—Π’-Π’Π”.

    Π‘Π»Π΅Π΄ΡƒΡŽΡ‰Π°Ρ ΡΡ‚Π°Ρ‚ΡŒΡ: Π€ΠΎΡ€ΠΌΠΈΡ€ΠΎΠ²Π°Π½ΠΈΠ΅ ΠΎΡ‚Ρ‡Π΅Ρ‚Π° «Π‘Π—Π’-стаТ» Π² ΠΏΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΠ΅ ΠšΠΎΠ½Ρ‚ΡƒΡ€. Π—Π°Ρ€ΠΏΠ»Π°Ρ‚Π°

    Π­Ρ‚Π° ΡΡ‚Π°Ρ‚ΡŒΡ ΠΏΠΎΠΌΠΎΠ³Π»Π° Π’Π°ΠΌ?

    нСсбалансированных классов: ΠΏΡ€ΠΎΠ³Π½ΠΎΠ·ΠΈΡ€ΠΎΠ²Π°Π½ΠΈΠ΅ ΠΎΡ‚ΠΌΠ΅Π½ ΠΎΡ‚Π΅Π»Π΅ΠΉ с ΠΏΠΎΠΌΠΎΡ‰ΡŒΡŽ машин ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ² | Майкл Π“Ρ€ΠΎΠ³Π°Π½

    ΠŸΡ€ΠΈ ΠΏΠΎΠΏΡ‹Ρ‚ΠΊΠ΅ ΠΏΠΎΡΡ‚Ρ€ΠΎΠΈΡ‚ΡŒ Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌ классификации часто приходится ΡΡ‚Π°Π»ΠΊΠΈΠ²Π°Ρ‚ΡŒΡΡ с ΠΏΡ€ΠΎΠ±Π»Π΅ΠΌΠΎΠΉ нСсбалансированного Π½Π°Π±ΠΎΡ€Π° Π΄Π°Π½Π½Ρ‹Ρ….

    НСсбалансированный Π½Π°Π±ΠΎΡ€ Π΄Π°Π½Π½Ρ‹Ρ… β€” это Π½Π°Π±ΠΎΡ€ Π΄Π°Π½Π½Ρ‹Ρ… с Π½Π΅Ρ€Π°Π²Π½Ρ‹ΠΌ Ρ€Π°Π·ΠΌΠ΅Ρ€ΠΎΠΌ Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ ΠΌΠ΅ΠΆΠ΄Ρƒ классами, Ρ‡Ρ‚ΠΎ ΠΏΡ€ΠΈΠ²ΠΎΠ΄ΠΈΡ‚ ΠΊ Π·Π½Π°Ρ‡ΠΈΡ‚Π΅Π»ΡŒΠ½ΠΎΠΉ систСматичСской ошибкС Π² ΠΏΡ€ΠΎΠ³Π½ΠΎΠ·Π°Ρ… рассматриваСмого классификатора.

    Π˜ΡΡ‚ΠΎΡ‡Π½ΠΈΠΊ: Π€ΠΎΡ‚ΠΎ Антраниаса с Pixabay.

    Π’ этом ΠΊΠΎΠ½ΠΊΡ€Π΅Ρ‚Π½ΠΎΠΌ ΠΏΡ€ΠΈΠΌΠ΅Ρ€Π΅ (доступном Π² Ρ€Π°Π·Π΄Π΅Π»Π΅ ссылок Π½ΠΈΠΆΠ΅) модСль классификации ΠΌΠ°ΡˆΠΈΠ½Ρ‹ ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ² (SVM) ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅Ρ‚ΡΡ для классификации ΠΊΠ»ΠΈΠ΅Π½Ρ‚ΠΎΠ², Π±Ρ€ΠΎΠ½ΠΈΡ€ΡƒΡŽΡ‰ΠΈΡ… ΠΎΡ‚Π΅Π»ΠΈ, с Ρ‚ΠΎΡ‡ΠΊΠΈ зрСния риска ΠΎΡ‚ΠΌΠ΅Π½Ρ‹, Ρ‚. Π΅. 1 , Ссли модСль прСдсказываСт, Ρ‡Ρ‚ΠΎ ΠΊΠ»ΠΈΠ΅Π½Ρ‚ ΠΎΡ‚ΠΌΠ΅Π½ΠΈΡ‚ Π±Ρ€ΠΎΠ½ΠΈΡ€ΠΎΠ²Π°Π½ΠΈΠ΅, 0 , Ссли ΠΊΠ»ΠΈΠ΅Π½Ρ‚ Π²Ρ‹ΠΏΠΎΠ»Π½ΠΈΡ‚ Π±Ρ€ΠΎΠ½ΠΈΡ€ΠΎΠ²Π°Π½ΠΈΠ΅.

    Набор Π΄Π°Π½Π½Ρ‹Ρ… h2 ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅Ρ‚ΡΡ для обучСния ΠΈ ΠΏΡ€ΠΎΠ²Π΅Ρ€ΠΊΠΈ ΠΌΠΎΠ΄Π΅Π»ΠΈ, Π° ΠΏΡ€ΠΎΠ³Π½ΠΎΠ·Ρ‹ ΠΏΠΎΠ»ΡƒΡ‡Π΅Π½Π½ΠΎΠΉ ΠΌΠΎΠ΄Π΅Π»ΠΈ Π·Π°Ρ‚Π΅ΠΌ ΠΏΡ€ΠΎΠ²Π΅Ρ€ΡΡŽΡ‚ΡΡ с использованиСм Π΄Π°Π½Π½Ρ‹Ρ… h3.

    Π’ этом ΠΊΠΎΠ½ΠΊΡ€Π΅Ρ‚Π½ΠΎΠΌ Π½Π°Π±ΠΎΡ€Π΅ Π΄Π°Π½Π½Ρ‹Ρ… Ρ€Π°Π·ΠΌΠ΅Ρ€ Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ для класса Π±Π΅Π· ΠΎΡ‚ΠΌΠ΅Π½Ρ‹ (0) Π·Π½Π°Ρ‡ΠΈΡ‚Π΅Π»ΡŒΠ½ΠΎ большС, Ρ‡Π΅ΠΌ для класса ΠΎΡ‚ΠΌΠ΅Π½Ρ‹ (1). Π’ ΠΏΡ€Π΅Π΄Ρ‹Π΄ΡƒΡ‰Π΅ΠΌ ΠΏΡ€ΠΈΠΌΠ΅Ρ€Π΅ это Π±Ρ‹Π»ΠΎ Ρ€Π΅ΡˆΠ΅Π½ΠΎ ΠΏΡƒΡ‚Π΅ΠΌ удалСния многочислСнных 0 записСй, Ρ‡Ρ‚ΠΎΠ±Ρ‹ ΠΈΠΌΠ΅Ρ‚ΡŒ ΠΎΠ΄ΠΈΠ½Π°ΠΊΠΎΠ²Ρ‹ΠΉ Ρ€Π°Π·ΠΌΠ΅Ρ€ Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ ΠΌΠ΅ΠΆΠ΄Ρƒ двумя классами. Однако это Π½Π΅ ΠΎΠ±ΡΠ·Π°Ρ‚Π΅Π»ΡŒΠ½ΠΎ Π»ΡƒΡ‡ΡˆΠΈΠΉ ΠΏΠΎΠ΄Ρ…ΠΎΠ΄, Ρ‚Π°ΠΊ ΠΊΠ°ΠΊ Π²ΠΎ врСмя этого процСсса ΠΌΠ½ΠΎΠ³ΠΈΠ΅ Ρ‚ΠΎΡ‡ΠΊΠΈ Π΄Π°Π½Π½Ρ‹Ρ… ΠΎΡ‚Π±Ρ€Π°ΡΡ‹Π²Π°ΡŽΡ‚ΡΡ.

    ВмСсто этого модСль SVM ΠΌΠΎΠΆΠ΅Ρ‚ Π±Ρ‹Ρ‚ΡŒ ΠΈΠ·ΠΌΠ΅Π½Π΅Π½Π°, Ρ‡Ρ‚ΠΎΠ±Ρ‹ Π½Π°ΠΊΠ°Π·Ρ‹Π²Π°Ρ‚ΡŒ Π·Π° Π½Π΅ΠΏΡ€Π°Π²ΠΈΠ»ΡŒΠ½Ρ‹Π΅ прСдсказания младшСго класса. ΠŸΠΎΡΠΌΠΎΡ‚Ρ€ΠΈΠΌ, ΠΊΠ°ΠΊ это повлияСт Π½Π° Π°Π½Π°Π»ΠΈΠ·.

    Π˜Π΄Π΅Π½Ρ‚ΠΈΡ„ΠΈΡ†ΠΈΡ€ΠΎΠ²Π°Π½Π½Ρ‹Π΅ ΠΎΠ±ΡŠΠ΅ΠΊΡ‚Ρ‹, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ Π΄ΠΎΠ»ΠΆΠ½Ρ‹ Π±Ρ‹Ρ‚ΡŒ Π²ΠΊΠ»ΡŽΡ‡Π΅Π½Ρ‹ Π² Π°Π½Π°Π»ΠΈΠ· с использованиСм ΠΊΠ°ΠΊ ExtraTreesClassifier, Ρ‚Π°ΠΊ ΠΈ ΠΌΠ΅Ρ‚ΠΎΠ΄ΠΎΠ² прямого ΠΈ ΠΎΠ±Ρ€Π°Ρ‚Π½ΠΎΠ³ΠΎ ΠΎΡ‚Π±ΠΎΡ€Π° ΠΎΠ±ΡŠΠ΅ΠΊΡ‚ΠΎΠ², ΡΠ»Π΅Π΄ΡƒΡŽΡ‰ΠΈΠ΅:

    • . Π”Π°Ρ‚Π°: Π”Π΅Π½ΡŒ мСсяца

    SVM β€” это модСль обучСния с ΡƒΡ‡ΠΈΡ‚Π΅Π»Π΅ΠΌ, ΠΊΠΎΡ‚ΠΎΡ€ΡƒΡŽ ΠΌΠΎΠΆΠ½ΠΎ ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΠΎΠ²Π°Ρ‚ΡŒ ΠΊΠ°ΠΊ для Π·Π°Π΄Π°Ρ‡ классификации, Ρ‚Π°ΠΊ ΠΈ для Π·Π°Π΄Π°Ρ‡ рСгрСссии.

    МодСль SVM обСспСчиваСт ΠΎΡ†Π΅Π½ΠΊΡƒ ваТности ΠΊΠ°ΠΆΠ΄ΠΎΠΉ Ρ‚ΠΎΡ‡ΠΊΠΈ обучСния ΠΏΡ€ΠΈ ΠΎΠΏΡ€Π΅Π΄Π΅Π»Π΅Π½ΠΈΠΈ ΠΏΡ€Π΅Π΄Π΅Π»Π° принятия Ρ€Π΅ΡˆΠ΅Π½ΠΈΠΉ ΠΌΠ΅ΠΆΠ΄Ρƒ двумя классами.

    Π˜ΡΡ‚ΠΎΡ‡Π½ΠΈΠΊ: ΠΈΠ·ΠΎΠ±Ρ€Π°ΠΆΠ΅Π½ΠΈΠ΅ создано Π°Π²Ρ‚ΠΎΡ€ΠΎΠΌ

    НСсколько Π²Ρ‹Π±Ρ€Π°Π½Π½Ρ‹Ρ… ΠΎΠ±ΡƒΡ‡Π°ΡŽΡ‰ΠΈΡ… Ρ‚ΠΎΡ‡Π΅ΠΊ, Π»Π΅ΠΆΠ°Ρ‰ΠΈΡ… Π½Π° Π³Ρ€Π°Π½ΠΈΡ†Π΅ Ρ€Π΅ΡˆΠ΅Π½ΠΈΡ ΠΌΠ΅ΠΆΠ΄Ρƒ двумя классами, Π½Π°Π·Ρ‹Π²Π°ΡŽΡ‚ΡΡ ΠΎΠΏΠΎΡ€Π½Ρ‹ΠΌΠΈ Π²Π΅ΠΊΡ‚ΠΎΡ€Π°ΠΌΠΈ.

    Бравнивая ΠΎΡ†Π΅Π½ΠΊΠΈ точности, ΠΌΡ‹ Π²ΠΈΠ΄ΠΈΠΌ, Ρ‡Ρ‚ΠΎ Π² ΠΊΠ°ΠΆΠ΄ΠΎΠΉ ΠΌΠ°Ρ‚Ρ€ΠΈΡ†Π΅ ΠΏΡƒΡ‚Π°Π½ΠΈΡ†Ρ‹ прСдставлСны многочислСнныС показания.

    Однако ΠΌΠ΅ΠΆΠ΄Ρƒ Ρ‚ΠΎΡ‡Π½ΠΎΡΡ‚ΡŒ ΠΈ ΠΎΡ‚Π·Ρ‹Π² сущСствуСт особСнно Π²Π°ΠΆΠ½ΠΎΠ΅ Ρ€Π°Π·Π»ΠΈΡ‡ΠΈΠ΅.

     Π’ΠΎΡ‡Π½ΠΎΡΡ‚ΡŒ = ((Π˜ΡΡ‚ΠΈΠ½Π½ΠΎ ΠΏΠΎΠ»ΠΎΠΆΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹ΠΉ)/(Π˜ΡΡ‚ΠΈΠ½Π½ΠΎ ΠΏΠΎΠ»ΠΎΠΆΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹ΠΉ + Π›ΠΎΠΆΠ½ΠΎΠΏΠΎΠ»ΠΎΠΆΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹ΠΉ)) ΠžΡ‚Π·Ρ‹Π² = ((Π˜ΡΡ‚ΠΈΠ½Π½ΠΎ ΠΏΠΎΠ»ΠΎΠΆΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹ΠΉ)/(Π˜ΡΡ‚ΠΈΠ½Π½ΠΎ ΠΏΠΎΠ»ΠΎΠΆΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹ΠΉ + Π›ΠΎΠΆΠ½ΠΎΠΎΡ‚Ρ€ΠΈΡ†Π°Ρ‚Π΅Π»ΡŒΠ½Ρ‹ΠΉ)) 

    Π”Π²Π° показания часто ΠΏΡ€ΠΎΡ‚ΠΈΠ²ΠΎΡ€Π΅Ρ‡Π°Ρ‚ Π΄Ρ€ΡƒΠ³ Π΄Ρ€ΡƒΠ³Ρƒ, Ρ‚. Π΅. часто Π½Π΅Π²ΠΎΠ·ΠΌΠΎΠΆΠ½ΠΎ ΠΏΠΎΠ²Ρ‹ΡΠΈΡ‚ΡŒ Ρ‚ΠΎΡ‡Π½ΠΎΡΡ‚ΡŒ Π±Π΅Π· сниТСния ΠΏΠΎΠ»Π½ΠΎΡ‚Ρ‹, ΠΈ Π½Π°ΠΎΠ±ΠΎΡ€ΠΎΡ‚.

    ΠžΡ†Π΅Π½ΠΊΠ° идСального показатСля для использования Π²ΠΎ ΠΌΠ½ΠΎΠ³ΠΎΠΌ зависит ΠΎΡ‚ ΠΊΠΎΠ½ΠΊΡ€Π΅Ρ‚Π½Ρ‹Ρ… Π°Π½Π°Π»ΠΈΠ·ΠΈΡ€ΡƒΠ΅ΠΌΡ‹Ρ… Π΄Π°Π½Π½Ρ‹Ρ…. НапримСр, скрининги Π½Π° выявлСниС Ρ€Π°ΠΊΠ°, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ Π΄Π°ΡŽΡ‚ Π»ΠΎΠΆΠ½ΠΎΠΎΡ‚Ρ€ΠΈΡ†Π°Ρ‚Π΅Π»ΡŒΠ½Ρ‹Π΅ Ρ€Π΅Π·ΡƒΠ»ΡŒΡ‚Π°Ρ‚Ρ‹ (Ρ‚. Π΅. ΠΏΠΎΠΊΠ°Π·Ρ‹Π²Π°ΡŽΡ‚, Ρ‡Ρ‚ΠΎ Ρƒ ΠΏΠ°Ρ†ΠΈΠ΅Π½Ρ‚ΠΎΠ² Π½Π΅Ρ‚ Ρ€Π°ΠΊΠ°, хотя Π½Π° самом Π΄Π΅Π»Π΅ ΠΎΠ½ Π΅ΡΡ‚ΡŒ), ΡΠ²Π»ΡΡŽΡ‚ΡΡ большим Ρ‚Π°Π±Ρƒ. Π’ этом сцСнарии ΠΎΡ‚Π·Ρ‹Π² являСтся идСальной ΠΌΠ΅Ρ‚Ρ€ΠΈΠΊΠΎΠΉ.

    Π’Π΅ΠΌ Π½Π΅ ΠΌΠ΅Π½Π΅Π΅, для элСктронных писСм β€” ΠΆΠ΅Π»Π°Ρ‚Π΅Π»ΡŒΠ½ΠΎ ΠΈΠ·Π±Π΅Π³Π°Ρ‚ΡŒ Π»ΠΎΠΆΠ½Ρ‹Ρ… срабатываний, Ρ‚. Π΅. ΠΎΡ‚ΠΏΡ€Π°Π²ΠΊΠΈ Π²Π°ΠΆΠ½ΠΎΠ³ΠΎ элСктронного письма Π² ΠΏΠ°ΠΏΠΊΡƒ со спамом, хотя Π½Π° самом Π΄Π΅Π»Π΅ ΠΎΠ½ΠΎ являСтся Π·Π°ΠΊΠΎΠ½Π½Ρ‹ΠΌ.

    ΠžΡ†Π΅Π½ΠΊΠ° f1 ΡƒΡ‡ΠΈΡ‚Ρ‹Π²Π°Π΅Ρ‚ ΠΊΠ°ΠΊ Ρ‚ΠΎΡ‡Π½ΠΎΡΡ‚ΡŒ, Ρ‚Π°ΠΊ ΠΈ ΠΏΠΎΠ»Π½ΠΎΡ‚Ρƒ ΠΏΡ€ΠΈ составлСнии Π±ΠΎΠ»Π΅Π΅ ΠΎΠ±Ρ‰Π΅ΠΉ ΠΎΡ†Π΅Π½ΠΊΠΈ.

    Π§Ρ‚ΠΎ Π²Π°ΠΆΠ½Π΅Π΅ для прогнозирования ΠΎΡ‚ΠΌΠ΅Π½ ΠΎΡ‚Π΅Π»Π΅ΠΉ?

    Π§Ρ‚ΠΎ ΠΆ, с Ρ‚ΠΎΡ‡ΠΊΠΈ зрСния отСля β€” ΠΎΠ½ΠΈ, вСроятно, захотят с большСй Ρ‚ΠΎΡ‡Π½ΠΎΡΡ‚ΡŒΡŽ ΠΈΠ΄Π΅Π½Ρ‚ΠΈΡ„ΠΈΡ†ΠΈΡ€ΠΎΠ²Π°Ρ‚ΡŒ ΠΊΠ»ΠΈΠ΅Π½Ρ‚ΠΎΠ², ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ Π² ΠΊΠΎΠ½Π΅Ρ‡Π½ΠΎΠΌ ΠΈΡ‚ΠΎΠ³Π΅ ΡΠΎΠ±ΠΈΡ€Π°ΡŽΡ‚ΡΡ ΠΎΡ‚ΠΌΠ΅Π½ΠΈΡ‚ΡŒ Π±Ρ€ΠΎΠ½ΠΈΡ€ΠΎΠ²Π°Π½ΠΈΠ΅ β€” это позволяСт ΠΎΡ‚Π΅Π»ΡŽ Π»ΡƒΡ‡ΡˆΠ΅ Ρ€Π°ΡΠΏΡ€Π΅Π΄Π΅Π»ΡΡ‚ΡŒ Π½ΠΎΠΌΠ΅Ρ€Π° ΠΈ рСсурсы. ВыявлСниС ΠΊΠ»ΠΈΠ΅Π½Ρ‚ΠΎΠ², ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ Π½Π΅ ΡΠΎΠ±ΠΈΡ€Π°ΡŽΡ‚ΡΡ ΠΎΡ‚ΠΌΠ΅Π½ΡΡ‚ΡŒ свои бронирования, Π½Π΅ ΠΎΠ±ΡΠ·Π°Ρ‚Π΅Π»ΡŒΠ½ΠΎ ΠΌΠΎΠΆΠ΅Ρ‚ ΠΏΠΎΠ²Ρ‹ΡΠΈΡ‚ΡŒ Ρ†Π΅Π½Π½ΠΎΡΡ‚ΡŒ Π°Π½Π°Π»ΠΈΠ·Π° отСля, ΠΏΠΎΡΠΊΠΎΠ»ΡŒΠΊΡƒ ΠΎΡ‚Π΅Π»ΡŒ Π·Π½Π°Π΅Ρ‚, Ρ‡Ρ‚ΠΎ Π·Π½Π°Ρ‡ΠΈΡ‚Π΅Π»ΡŒΠ½Π°Ρ Ρ‡Π°ΡΡ‚ΡŒ ΠΊΠ»ΠΈΠ΅Π½Ρ‚ΠΎΠ² Π² ΠΊΠΎΠ½Π΅Ρ‡Π½ΠΎΠΌ ΠΈΡ‚ΠΎΠ³Π΅ Π² любом случаС Π²Ρ‹ΠΏΠΎΠ»Π½ΠΈΡ‚ свои Π·Π°ΠΊΠ°Π·Ρ‹.

    Π‘ΠΎΠΎΡ‚Π²Π΅Ρ‚ΡΡ‚Π²ΡƒΡŽΡ‰ΠΈΠ΅ Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΈ, описанныС Π²Ρ‹ΡˆΠ΅, Π²ΠΊΠ»ΡŽΡ‡Π΅Π½Ρ‹ для опрСдСлСния Ρ‚ΠΎΠ³ΠΎ, ΠΎΡ‚ΠΌΠ΅Π½ΠΈΡ‚ Π»ΠΈ ΠΊΠ»ΠΈΠ΅Π½Ρ‚ своС Π±Ρ€ΠΎΠ½ΠΈΡ€ΠΎΠ²Π°Π½ΠΈΠ΅.

     y1 = y 
    x1 = np.column_stack((leadtime,countrycat,marketsegmentcat,deposittypecat,customertypecat,rcps,arrivaldateyear,arrivaldatemonthcat,arrivaldateweekno,arrivaldatedayofmonth))
    x1 = sm. add_constant(x2, prepend=True)

    3 Π·Π°Ρ‚Π΅ΠΌ Π΄Π°Π½Π½Ρ‹Π΅ Ρ€Π°Π·Π±ΠΈΠ²Π°ΡŽΡ‚ΡΡ Π½Π° Π΄Π°Π½Π½Ρ‹Π΅ обучСния ΠΈ ΠΏΡ€ΠΎΠ²Π΅Ρ€ΠΊΠΈ:

     x1_train, x1_val, y1_train, y1_val = train_test_split(x1, y1, random_state=0) 

    Π’ ΠΊΠΎΠ½Ρ„ΠΈΠ³ΡƒΡ€Π°Ρ†ΠΈΡŽ SVM ΠΌΠΎΠΆΠ½ΠΎ Π΄ΠΎΠ±Π°Π²ΠΈΡ‚ΡŒ «сбалансированный» вСс класса, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹ΠΉ ΡƒΠ²Π΅Π»ΠΈΡ‡ΠΈΠ²Π°Π΅Ρ‚ ΡˆΡ‚Ρ€Π°Ρ„ Π·Π° Π½Π΅ΠΏΡ€Π°Π²ΠΈΠ»ΡŒΠ½ΡƒΡŽ ΠΊΠ»Π°ΡΡΠΈΡ„ΠΈΠΊΠ°Ρ†ΠΈΡŽ второстСпСнного класса (Π² Π΄Π°Π½Π½ΠΎΠΌ случаС β€” класса ΠΎΡ‚ΠΌΠ΅Π½Ρ‹).

     ΠΈΠ· sklearn import svm 
    clf = svm.SVC(gamma='scale',
    class_weight='balanced')
    clf.fit(x1_train, y1_train)
    prclf = clf.predict(x1_val)
    prclf

    Π’ΠΎΡ‚ ΡΡ„Ρ„Π΅ΠΊΡ‚ΠΈΠ²Π½ΠΎΡΡ‚ΡŒ классификации этой ΠΌΠΎΠ΄Π΅Π»ΠΈ Π½Π° ΠΏΡ€ΠΎΠ²Π΅Ρ€ΠΎΡ‡Π½ΠΎΠΌ Π½Π°Π±ΠΎΡ€Π΅:

     [[5142 2124] 
    [865 1884]]
    ΠžΡ‚Π·Ρ‹Π² ΠΎ Ρ‚ΠΎΠΌ, Ρ‡Ρ‚ΠΎ F1-ΠΏΠΎΠΊΠ°Π·Π°Ρ‚Π΅Π»ΡŒ F1, 0,86 0,71 0,77 7266
    1 0,47 0,69 0,56 2749 Π’ΠΎΡ‡Π½ΠΎΡΡ‚ΡŒ 0,70 10015
    MACRO AVG 0,66 0,70 0,67 10015
    Π²Π·Π²Π΅ΡˆΠ΅Π½Π½Ρ‹Π΅ AVG 0,75 0,70 0,72 10015

    Π’Ρ‹Π·ΠΎΠ² для класса 1 поступаСт Π² 69%, F-69%, ΠΏΠΎΠΊΠ° For-69%, ΠΏΠΎΠΊΠ° 69%, ΠΏΠΎΠΊΠ° 69%. - Π’ΠΎΡ‡Π½ΠΎΡΡ‚ΡŒ ΠΎΡ†Π΅Π½ΠΊΠΈ составляСт 70%. Π’Π΅ΠΏΠ΅Ρ€ΡŒ Π΄Π°Π²Π°ΠΉΡ‚Π΅ ΠΏΡ€ΠΎΠ²Π΅Ρ€ΠΈΠΌ ΡΡ„Ρ„Π΅ΠΊΡ‚ΠΈΠ²Π½ΠΎΡΡ‚ΡŒ прСдсказания Π½Π° h3 (тСстовый Π½Π°Π±ΠΎΡ€).

     [[25217 21011] 
    [8436 24666]]
    Precision Recall Support F1 0,75 0,55 0,63 46228
    1 0,54 0,75 0,63 33102 Π’ΠΎΡ‡Π½ΠΎΡΡ‚ΡŒ 0,63 79330
    MACRO AVG 0,64 0,65 0,63 79330
    ВСсопочтСниС AVG 0,663 0,63 79333333333333333330
    WESE AVG 0,663 0,63 793333333333333330
    WERED AVG 0,663 0,63 7933333333333330
    . Ρ‚Π΅ΠΏΠ΅Ρ€ΡŒ составляСт Π΄ΠΎ 75%, Π° Ρ‚ΠΎΡ‡Π½ΠΎΡΡ‚ΡŒ ΠΎΡ†Π΅Π½ΠΊΠΈ f1 составляСт 63%. ΠŸΡ€ΠΈΠΌΠ΅Ρ‡Π°Ρ‚Π΅Π»ΡŒΠ½ΠΎ, Ρ‡Ρ‚ΠΎ ΠΌΡ‹ Π²ΠΈΠ΄ΠΈΠΌ, Ρ‡Ρ‚ΠΎ ΠΎΡ†Π΅Π½ΠΊΠ° f1 Π½ΠΈΠΆΠ΅ Π½Π° тСстовом Π½Π°Π±ΠΎΡ€Π΅, Π½ΠΎ ΠΎΡ‚Π·Ρ‹Π² Ρ‚Π΅ΠΏΠ΅Ρ€ΡŒ Π²Ρ‹ΡˆΠ΅, Ρ‡Π΅ΠΌ Π½Π° ΠΏΡ€ΠΎΠ²Π΅Ρ€ΠΎΡ‡Π½ΠΎΠΌ Π½Π°Π±ΠΎΡ€Π΅.

    Π’ связи с этим, Ссли ΠΏΡ€Π΅Π΄ΠΏΠΎΠ»ΠΎΠΆΠΈΡ‚ΡŒ, Ρ‡Ρ‚ΠΎ Π»ΠΎΠΆΠ½Ρ‹Π΅ срабатывания Π±ΠΎΠ»Π΅Π΅ допустимы Π² этой ситуации, Ρ‡Π΅ΠΌ Π»ΠΎΠΆΠ½ΠΎΠΎΡ‚Ρ€ΠΈΡ†Π°Ρ‚Π΅Π»ΡŒΠ½Ρ‹Π΅, Ρ‚ΠΎ ΠΌΠΎΠΆΠ½ΠΎ ΡƒΡ‚Π²Π΅Ρ€ΠΆΠ΄Π°Ρ‚ΡŒ, Ρ‡Ρ‚ΠΎ Π½Π° этом основании модСль ΠΏΠΎΠΊΠ°Π·Π°Π»Π° сСбя достаточно Ρ…ΠΎΡ€ΠΎΡˆΠΎ.

    Π’ этом ΠΏΡ€ΠΈΠΌΠ΅Ρ€Π΅ ΠΌΡ‹ ΡƒΠ²ΠΈΠ΄Π΅Π»ΠΈ, ΠΊΠ°ΠΊ ΠΌΠΎΠΆΠ½ΠΎ ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΠΎΠ²Π°Ρ‚ΡŒ ΠΌΠ°ΡˆΠΈΠ½Ρ‹ ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ² для ΠΎΠ±Ρ€Π°Π±ΠΎΡ‚ΠΊΠΈ нСсбалансированных Π½Π°Π±ΠΎΡ€ΠΎΠ² Π΄Π°Π½Π½Ρ‹Ρ… ΠΈ ΠΊΠ°ΠΊ ΠΈΠ½Ρ‚Π΅Ρ€ΠΏΡ€Π΅Ρ‚ΠΈΡ€ΠΎΠ²Π°Ρ‚ΡŒ ΠΌΠ°Ρ‚Ρ€ΠΈΡ†Ρ‹ ΠΏΡƒΡ‚Π°Π½ΠΈΡ†Ρ‹ для обСспСчСния точности классификации.

    Наборы Π΄Π°Π½Π½Ρ‹Ρ… ΠΈ записныС ΠΊΠ½ΠΈΠΆΠΊΠΈ для этого ΠΏΡ€ΠΈΠΌΠ΅Ρ€Π° доступны Π² Ρ€Π΅ΠΏΠΎΠ·ΠΈΡ‚ΠΎΡ€ΠΈΠΈ GitHub MGCodesandStats вмСстС с дальнСйшими исслСдованиями ΠΏΠΎ этой Ρ‚Π΅ΠΌΠ΅.

    Π’Ρ‹ Ρ‚Π°ΠΊΠΆΠ΅ ΠΌΠΎΠΆΠ΅Ρ‚Π΅ Π½Π°ΠΉΡ‚ΠΈ Π΄Ρ€ΡƒΠ³ΠΈΠ΅ ΠΌΠΎΠΈ ΠΌΠ°Ρ‚Π΅Ρ€ΠΈΠ°Π»Ρ‹ ΠΏΠΎ Π½Π°ΡƒΠΊΠ΅ ΠΎ Π΄Π°Π½Π½Ρ‹Ρ… Π½Π° сайтС michael-grogan.com.

    ΠžΡ‚ΠΊΠ°Π· ΠΎΡ‚ отвСтствСнности: Π­Ρ‚Π° ΡΡ‚Π°Ρ‚ΡŒΡ написана Π½Π° условиях Β«ΠΊΠ°ΠΊ Π΅ΡΡ‚ΡŒΒ» ΠΈ Π±Π΅Π· ΠΊΠ°ΠΊΠΈΡ…-Π»ΠΈΠ±ΠΎ Π³Π°Ρ€Π°Π½Ρ‚ΠΈΠΉ. Он Π±Ρ‹Π» написан с Ρ†Π΅Π»ΡŒΡŽ Π΄Π°Ρ‚ΡŒ ΠΎΠ±Π·ΠΎΡ€ ΠΊΠΎΠ½Ρ†Π΅ΠΏΡ†ΠΈΠΉ Π½Π°ΡƒΠΊΠΈ ΠΎ Π΄Π°Π½Π½Ρ‹Ρ… ΠΈ Π½ΠΈΠΊΠΎΠΈΠΌ ΠΎΠ±Ρ€Π°Π·ΠΎΠΌ Π½Π΅ Π΄ΠΎΠ»ΠΆΠ΅Π½ ΠΈΠ½Ρ‚Π΅Ρ€ΠΏΡ€Π΅Ρ‚ΠΈΡ€ΠΎΠ²Π°Ρ‚ΡŒΡΡ ΠΊΠ°ΠΊ ΠΏΡ€ΠΎΡ„Π΅ΡΡΠΈΠΎΠ½Π°Π»ΡŒΠ½Ρ‹ΠΉ совСт.

    • Антонио, АльмСдия ΠΈ ΠΡƒΠ½ΡŒΠ΅Ρ (2019). Наборы Π΄Π°Π½Π½Ρ‹Ρ… ΠΎ спросС Π½Π° Π±Ρ€ΠΎΠ½ΠΈΡ€ΠΎΠ²Π°Π½ΠΈΠ΅ ΠΎΡ‚Π΅Π»Π΅ΠΉ
    • Elite Data Science: ΠΊΠ°ΠΊ ΡΠΏΡ€Π°Π²ΠΈΡ‚ΡŒΡΡ с нСсбалансированными классами Π² машинном ΠΎΠ±ΡƒΡ‡Π΅Π½ΠΈΠΈ

    Алгоритм ΠΌΠ΅Ρ‚ΠΎΠ΄Π° ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ² (SVM)

    Π§Ρ‚ΠΎ Ρ‚Π°ΠΊΠΎΠ΅ ΠΌΠ΅Ρ‚ΠΎΠ΄ ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ²?

    Алгоритм ΠΌΠ°ΡˆΠΈΠ½Ρ‹ ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ² ΠΈΠ»ΠΈ SVM β€” это простой, Π½ΠΎ ΠΌΠΎΡ‰Π½Ρ‹ΠΉ Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌ ΠΊΠΎΠ½Ρ‚Ρ€ΠΎΠ»ΠΈΡ€ΡƒΠ΅ΠΌΠΎΠ³ΠΎ машинного обучСния, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹ΠΉ ΠΌΠΎΠΆΠ½ΠΎ ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΠΎΠ²Π°Ρ‚ΡŒ для построСния ΠΌΠΎΠ΄Π΅Π»Π΅ΠΉ рСгрСссии ΠΈ классификации. Алгоритм SVM ΠΌΠΎΠΆΠ΅Ρ‚ Ρ€Π°Π±ΠΎΡ‚Π°Ρ‚ΡŒ ΠΎΡ‡Π΅Π½ΡŒ Ρ…ΠΎΡ€ΠΎΡˆΠΎ ΠΊΠ°ΠΊ с Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎ Ρ€Π°Π·Π΄Π΅Π»ΠΈΠΌΡ‹ΠΌΠΈ, Ρ‚Π°ΠΊ ΠΈ с Π½Π΅Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎ Ρ€Π°Π·Π΄Π΅Π»ΠΈΠΌΡ‹ΠΌΠΈ Π½Π°Π±ΠΎΡ€Π°ΠΌΠΈ Π΄Π°Π½Π½Ρ‹Ρ…. Π”Π°ΠΆΠ΅ с ΠΎΠ³Ρ€Π°Π½ΠΈΡ‡Π΅Π½Π½Ρ‹ΠΌ объСмом Π΄Π°Π½Π½Ρ‹Ρ… Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌ ΠΌΠ΅Ρ‚ΠΎΠ΄Π° ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ² Π½Π΅ пСрСстаСт ΠΏΠΎΠΊΠ°Π·Ρ‹Π²Π°Ρ‚ΡŒ своС Π²ΠΎΠ»ΡˆΠ΅Π±ΡΡ‚Π²ΠΎ.

    SVM Рис. 1. Наборы Π΄Π°Π½Π½Ρ‹Ρ… с Π»ΠΈΠ½Π΅ΠΉΠ½Ρ‹ΠΌ ΠΈ Π½Π΅Π»ΠΈΠ½Π΅ΠΉΠ½Ρ‹ΠΌ Ρ€Π°Π·Π΄Π΅Π»Π΅Π½ΠΈΠ΅ΠΌ

    ΠŸΡ€Π΅ΠΆΠ΄Π΅ Ρ‡Π΅ΠΌ ΡƒΠ³Π»ΡƒΠ±ΠΈΡ‚ΡŒΡΡ Π² ΠΏΠΎΠ½ΠΈΠΌΠ°Π½ΠΈΠ΅ Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌΠ° SVM Π² машинном ΠΎΠ±ΡƒΡ‡Π΅Π½ΠΈΠΈ, Π΄Π°Π²Π°ΠΉΡ‚Π΅ взглянСм Π½Π° Π²Π°ΠΆΠ½Ρ‹Π΅ ΠΊΠΎΠ½Ρ†Π΅ΠΏΡ†ΠΈΠΈ, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ ΠΏΡ€Π΅Π΄Π»Π°Π³Π°Π΅Ρ‚ этот Π±Π»ΠΎΠ³.

    • Π’ΠΈΠΏΡ‹ машин ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ²
    • ΠŸΡ€ΠΈΠΌΠ΅Ρ€ Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌΠ° ΠΌΠ΅Ρ‚ΠΎΠ΄Π° ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ²
    • ΠŸΡ€Π΅ΠΈΠΌΡƒΡ‰Π΅ΡΡ‚Π²Π° Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌΠ° ΠΌΠ΅Ρ‚ΠΎΠ΄Π° ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ²
    • НСдостатки Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌΠ° ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ²
    • Как Ρ€Π°Π±ΠΎΡ‚Π°Π΅Ρ‚ машина ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ²?
    • ΠŸΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€Ρ‹ SVM
    • ΠŸΡ€ΠΈΠΌΠ΅Π½Π΅Π½ΠΈΠ΅ SVM
    • ΠŸΠΎΡΡ‚Ρ€ΠΎΠ΅Π½ΠΈΠ΅ ΠΌΠΎΠ΄Π΅Π»ΠΈ классификации ΠΌΠ°ΡˆΠΈΠ½Ρ‹ ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ² Π² машинном ΠΎΠ±ΡƒΡ‡Π΅Π½ΠΈΠΈ с использованиСм Python
    • РСализация Kernel SVM с ΠΌΠΎΠ΄ΡƒΠ»Π΅ΠΌ Sklearn SVM
      • ПолиномиальноС ядро ​​SVM
      • Гауссовский SVM Π―Π΄Ρ€ΠΎ
      • Π‘ΠΈΠ³ΠΌΠΎΠ²ΠΈΠ΄Π½ΠΎΠ΅ ядро ​​SVM

    Π˜Π½Ρ‚Π΅Ρ€Π΅ΡΡƒΠ΅Ρ‚Π΅ΡΡŒ ΠΌΠ°ΡˆΠΈΠ½Π½Ρ‹ΠΌ ΠΎΠ±ΡƒΡ‡Π΅Π½ΠΈΠ΅ΠΌ? НаТмитС здСсь, Ρ‡Ρ‚ΠΎΠ±Ρ‹ ΡƒΠ·Π½Π°Ρ‚ΡŒ большС ΠΎΠ± этом Ρ‚Ρ€Π΅Π½ΠΈΠ½Π³Π΅ ΠΏΠΎ ΠΌΠ°ΡˆΠΈΠ½Π½ΠΎΠΌΡƒ ΠΎΠ±ΡƒΡ‡Π΅Π½ΠΈΡŽ Π² Π‘Π°Π½Π³Π°Π»ΠΎΡ€Π΅!

    Π’ΠΈΠΏΡ‹ машин ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ²

    БущСствуСт Π΄Π²Π° Ρ‚ΠΈΠΏΠ° машин ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ²:

    1. Π›ΠΈΠ½Π΅ΠΉΠ½Ρ‹ΠΉ SVM ΠΈΠ»ΠΈ простой SVM: Π›ΠΈΠ½Π΅ΠΉΠ½Ρ‹ΠΉ SVM ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅Ρ‚ΡΡ для Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎ Ρ€Π°Π·Π΄Π΅Π»ΠΈΠΌΡ‹Ρ… Π΄Π°Π½Π½Ρ‹Ρ…. Если Π½Π°Π±ΠΎΡ€ Π΄Π°Π½Π½Ρ‹Ρ… ΠΌΠΎΠΆΠ½ΠΎ Ρ€Π°Π·Π΄Π΅Π»ΠΈΡ‚ΡŒ Π½Π° Π΄Π²Π° класса с ΠΏΠΎΠΌΠΎΡ‰ΡŒΡŽ ΠΎΠ΄Π½ΠΎΠΉ прямой, Ρ‚ΠΎ эти Π΄Π°Π½Π½Ρ‹Π΅ ΡΡ‡ΠΈΡ‚Π°ΡŽΡ‚ΡΡ Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎ Ρ€Π°Π·Π΄Π΅Π»ΠΈΠΌΡ‹ΠΌΠΈ Π΄Π°Π½Π½Ρ‹ΠΌΠΈ, Π° классификатор называСтся Π»ΠΈΠ½Π΅ΠΉΠ½Ρ‹ΠΌ классификатором SVM. ΠžΠ±Ρ‹Ρ‡Π½ΠΎ ΠΎΠ½ ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅Ρ‚ΡΡ для Π·Π°Π΄Π°Ρ‡ Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎΠΉ рСгрСссии ΠΈ классификации.
    2. НСлинСйный SVM ΠΈΠ»ΠΈ Kernel SVM: НСлинСйный SVM ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅Ρ‚ΡΡ для Π½Π΅Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎ Ρ€Π°Π·Π΄Π΅Π»Π΅Π½Π½Ρ‹Ρ… Π΄Π°Π½Π½Ρ‹Ρ…, Ρ‚. Π΅. Π½Π°Π±ΠΎΡ€Π° Π΄Π°Π½Π½Ρ‹Ρ…, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹ΠΉ нСльзя ΠΊΠ»Π°ΡΡΠΈΡ„ΠΈΡ†ΠΈΡ€ΠΎΠ²Π°Ρ‚ΡŒ с ΠΏΠΎΠΌΠΎΡ‰ΡŒΡŽ прямой Π»ΠΈΠ½ΠΈΠΈ. ΠšΠ»Π°ΡΡΠΈΡ„ΠΈΠΊΠ°Ρ‚ΠΎΡ€, ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅ΠΌΡ‹ΠΉ Π² этом случаС, называСтся Π½Π΅Π»ΠΈΠ½Π΅ΠΉΠ½Ρ‹ΠΌ классификатором SVM. Он ΠΎΠ±Π»Π°Π΄Π°Π΅Ρ‚ большСй Π³ΠΈΠ±ΠΊΠΎΡΡ‚ΡŒΡŽ для Π½Π΅Π»ΠΈΠ½Π΅ΠΉΠ½Ρ‹Ρ… Π΄Π°Π½Π½Ρ‹Ρ…, ΠΏΠΎΡΠΊΠΎΠ»ΡŒΠΊΡƒ ΠΌΠΎΠΆΠ½ΠΎ Π΄ΠΎΠ±Π°Π²ΠΈΡ‚ΡŒ большС Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΉ, Ρ‡Ρ‚ΠΎΠ±Ρ‹ ΡΠΎΠΎΡ‚Π²Π΅Ρ‚ΡΡ‚Π²ΠΎΠ²Π°Ρ‚ΡŒ гипСрплоскости, Π° Π½Π΅ Π΄Π²ΡƒΠΌΠ΅Ρ€Π½ΠΎΠΌΡƒ пространству.

    ΠŸΡ€ΠΈΠΌΠ΅Ρ€ Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌΠ° ΠΌΠ΅Ρ‚ΠΎΠ΄Π° ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ²

    Алгоритм ΠΌΠ΅Ρ‚ΠΎΠ΄Π° ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ² ΠΈΠ»ΠΈ SVM основан Π½Π° ΠΊΠΎΠ½Ρ†Π΅ΠΏΡ†ΠΈΠΈ «плоскостСй Ρ€Π΅ΡˆΠ΅Π½ΠΈΠΉΒ», Π³Π΄Π΅ гипСрплоскости ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΡŽΡ‚ΡΡ для классификации Π½Π°Π±ΠΎΡ€Π° Π·Π°Π΄Π°Π½Π½Ρ‹Ρ… ΠΎΠ±ΡŠΠ΅ΠΊΡ‚ΠΎΠ².
    Π”Π°Π²Π°ΠΉΡ‚Π΅ Π½Π°Ρ‡Π½Π΅ΠΌ с Π½Π΅ΡΠΊΠΎΠ»ΡŒΠΊΠΈΡ… наглядных ΠΏΡ€ΠΈΠΌΠ΅Ρ€ΠΎΠ² Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌΠΎΠ² ΠΌΠ΅Ρ‚ΠΎΠ΄Π° ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ². Как Π²ΠΈΠ΄Π½ΠΎ Π½Π° рисункС 2, Ρƒ нас Π΅ΡΡ‚ΡŒ Π΄Π²Π° Π½Π°Π±ΠΎΡ€Π° Π΄Π°Π½Π½Ρ‹Ρ…. Π­Ρ‚ΠΈ Π½Π°Π±ΠΎΡ€Ρ‹ Π΄Π°Π½Π½Ρ‹Ρ… ΠΌΠΎΠΆΠ½ΠΎ Π»Π΅Π³ΠΊΠΎ Ρ€Π°Π·Π΄Π΅Π»ΠΈΡ‚ΡŒ с ΠΏΠΎΠΌΠΎΡ‰ΡŒΡŽ Π»ΠΈΠ½ΠΈΠΈ, Π½Π°Π·Ρ‹Π²Π°Π΅ΠΌΠΎΠΉ Π³Ρ€Π°Π½ΠΈΡ†Π΅ΠΉ Ρ€Π΅ΡˆΠ΅Π½ΠΈΡ .

    SVM Рисунок 2: Π“Ρ€Π°Π½ΠΈΡ†Π° Ρ€Π΅ΡˆΠ΅Π½ΠΈΡ

    Но ΠΌΠΎΠΆΠ΅Ρ‚ Π±Ρ‹Ρ‚ΡŒ нСсколько Π³Ρ€Π°Π½ΠΈΡ† Ρ€Π΅ΡˆΠ΅Π½ΠΈΡ, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ ΠΌΠΎΠ³ΡƒΡ‚ Ρ€Π°Π·Π΄Π΅Π»ΠΈΡ‚ΡŒ Ρ‚ΠΎΡ‡ΠΊΠΈ Π΄Π°Π½Π½Ρ‹Ρ… Π±Π΅Π· ΠΊΠ°ΠΊΠΈΡ…-Π»ΠΈΠ±ΠΎ ошибок. НапримСр, Π½Π° рисункС 3 всС Π³Ρ€Π°Π½ΠΈΡ†Ρ‹ Ρ€Π΅ΡˆΠ΅Π½ΠΈΠΉ ΠΏΡ€Π°Π²ΠΈΠ»ΡŒΠ½ΠΎ ΠΊΠ»Π°ΡΡΠΈΡ„ΠΈΡ†ΠΈΡ€ΡƒΡŽΡ‚ Π½Π°Π±ΠΎΡ€Ρ‹ Π΄Π°Π½Π½Ρ‹Ρ…. Но ΠΊΠ°ΠΊ Π²Ρ‹Π±Ρ€Π°Ρ‚ΡŒ Π½Π°ΠΈΠ»ΡƒΡ‡ΡˆΡƒΡŽ Π³Ρ€Π°Π½ΠΈΡ†Ρƒ Ρ€Π΅ΡˆΠ΅Π½ΠΈΡ?

    SVM Рисунок 3: Π”Ρ€ΡƒΠ³ΠΈΠ΅ Π²ΠΎΠ·ΠΌΠΎΠΆΠ½Ρ‹Π΅ Π³Ρ€Π°Π½ΠΈΡ†Ρ‹ принятия Ρ€Π΅ΡˆΠ΅Π½ΠΈΠΉ

    ΠŸΠΎΠ»ΡƒΡ‡ΠΈΡ‚Π΅ 100% ΠΏΠΎΠ²Ρ‹ΡˆΠ΅Π½ΠΈΠ΅!

    ΠžΡΠ²Π°ΠΈΠ²Π°ΠΉΡ‚Π΅ самыС вострСбованныС Π½Π°Π²Ρ‹ΠΊΠΈ прямо сСйчас!

    Π’ΠΎΡ‚ совСт: Π½Π°ΠΈΠ»ΡƒΡ‡ΡˆΠ΅ΠΉ Π³Ρ€Π°Π½ΠΈΡ†Π΅ΠΉ Ρ€Π΅ΡˆΠ΅Π½ΠΈΡ являСтся Ρ‚Π°, которая максимально ΡƒΠ΄Π°Π»Π΅Π½Π° ΠΎΡ‚ Π±Π»ΠΈΠΆΠ°ΠΉΡˆΠΈΡ… Ρ‚ΠΎΡ‡Π΅ΠΊ этих Π΄Π²ΡƒΡ… классов, ΠΊΠ°ΠΊ ΠΏΠΎΠΊΠ°Π·Π°Π½ΠΎ Π½Π° рисункС 4.

    SVM Рисунок 4: МаксимальноС расстояниС ΠΎΡ‚ Π±Π»ΠΈΠΆΠ°ΠΉΡˆΠΈΡ… Ρ‚ΠΎΡ‡Π΅ΠΊ

    Π’Π°ΠΊΠΆΠ΅ , ΠΏΠΎΠΌΠ½ΠΈΡ‚Π΅, Ρ‡Ρ‚ΠΎ блиТайшиС Ρ‚ΠΎΡ‡ΠΊΠΈ ΠΎΡ‚ Π³Ρ€Π°Π½ΠΈΡ†Ρ‹ ΠΎΠΏΡ‚ΠΈΠΌΠ°Π»ΡŒΠ½ΠΎΠ³ΠΎ Ρ€Π΅ΡˆΠ΅Π½ΠΈΡ, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ ΠΌΠ°ΠΊΡΠΈΠΌΠΈΠ·ΠΈΡ€ΡƒΡŽΡ‚ расстояниС, Π½Π°Π·Ρ‹Π²Π°ΡŽΡ‚ΡΡ ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ² .

    SVM Рис. 5. ΠšΠ»Π°ΡΡΠΈΡ„ΠΈΠΊΠ°Ρ‚ΠΎΡ€ ΠΌΠ°Ρ€ΠΆΠΈ ΠΈ максимальной ΠΌΠ°Ρ€ΠΆΠΈ

    ΠžΠ±Π»Π°ΡΡ‚ΡŒ, ΠΊΠΎΡ‚ΠΎΡ€ΡƒΡŽ ΠΎΠΏΡ€Π΅Π΄Π΅Π»ΡΡŽΡ‚ блиТайшиС Ρ‚ΠΎΡ‡ΠΊΠΈ Π²ΠΎΠΊΡ€ΡƒΠ³ Π³Ρ€Π°Π½ΠΈΡ†Ρ‹ Ρ€Π΅ΡˆΠ΅Π½ΠΈΡ, называСтся Π³Ρ€Π°Π½ΠΈΡ†Π΅ΠΉ .
    Π’ΠΎΡ‚ ΠΏΠΎΡ‡Π΅ΠΌΡƒ Π³Ρ€Π°Π½ΠΈΡ†Π° Ρ€Π΅ΡˆΠ΅Π½ΠΈΡ ΠΌΠΎΠ΄Π΅Π»ΠΈ ΠΌΠ°ΡˆΠΈΠ½Ρ‹ ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ² извСстна ΠΊΠ°ΠΊ классификатор максимальной ΠΌΠ°Ρ€ΠΆΠΈ ΠΈΠ»ΠΈ Π³ΠΈΠΏΠ΅Ρ€ΠΏΠ»ΠΎΡΠΊΠΎΡΡ‚ΡŒ максимальной ΠΌΠ°Ρ€ΠΆΠΈ .

    Π”Ρ€ΡƒΠ³ΠΈΠΌΠΈ словами, Π²ΠΎΡ‚ ΠΊΠ°ΠΊ Ρ€Π°Π±ΠΎΡ‚Π°Π΅Ρ‚ модСль Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌΠ° ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ²:

    • Π‘Π½Π°Ρ‡Π°Π»Π° ΠΎΠ½ Π½Π°Ρ…ΠΎΠ΄ΠΈΡ‚ Π»ΠΈΠ½ΠΈΠΈ ΠΈΠ»ΠΈ Π³Ρ€Π°Π½ΠΈΡ†Ρ‹, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ ΠΏΡ€Π°Π²ΠΈΠ»ΡŒΠ½ΠΎ ΠΊΠ»Π°ΡΡΠΈΡ„ΠΈΡ†ΠΈΡ€ΡƒΡŽΡ‚ ΠΎΠ±ΡƒΡ‡Π°ΡŽΡ‰ΠΈΠΉ Π½Π°Π±ΠΎΡ€ Π΄Π°Π½Π½Ρ‹Ρ….
    • Π—Π°Ρ‚Π΅ΠΌ ΠΈΠ· этих Π»ΠΈΠ½ΠΈΠΉ ΠΈΠ»ΠΈ Π³Ρ€Π°Π½ΠΈΡ† выбираСтся Ρ‚Π°, которая ΠΈΠΌΠ΅Π΅Ρ‚ максимальноС расстояниС ΠΎΡ‚ Π±Π»ΠΈΠΆΠ°ΠΉΡˆΠΈΡ… Ρ‚ΠΎΡ‡Π΅ΠΊ Π΄Π°Π½Π½Ρ‹Ρ….

    Π₯ΠΎΡ€ΠΎΡˆΠΎ, Π² ΠΏΡ€ΠΈΠ²Π΅Π΄Π΅Π½Π½ΠΎΠΌ Π²Ρ‹ΡˆΠ΅ ΠΏΡ€ΠΈΠΌΠ΅Ρ€Π΅ с машиной ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ² Π½Π°Π±ΠΎΡ€ Π΄Π°Π½Π½Ρ‹Ρ… Π±Ρ‹Π» Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎ Ρ€Π°Π·Π΄Π΅Π»ΠΈΠΌ. Π’Π΅ΠΏΠ΅Ρ€ΡŒ вопрос: ΠΊΠ°ΠΊ Π½Π°ΠΌ ΠΊΠ»Π°ΡΡΠΈΡ„ΠΈΡ†ΠΈΡ€ΠΎΠ²Π°Ρ‚ΡŒ Π½Π΅Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎ Ρ€Π°Π·Π΄Π΅Π»ΠΈΠΌΡ‹Π΅ Π½Π°Π±ΠΎΡ€Ρ‹ Π΄Π°Π½Π½Ρ‹Ρ…, ΠΊΠ°ΠΊ ΠΏΠΎΠΊΠ°Π·Π°Π½ΠΎ Π½Π° рисункС 6?

    SVM Рисунок 6: НСлинСйно раздСляСмый Π½Π°Π±ΠΎΡ€ Π΄Π°Π½Π½Ρ‹Ρ…

    ΠžΡ‡Π΅Π²ΠΈΠ΄Π½ΠΎ, Ρ‡Ρ‚ΠΎ прямыС Π»ΠΈΠ½ΠΈΠΈ нСльзя ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΠΎΠ²Π°Ρ‚ΡŒ для классификации ΠΏΡ€ΠΈΠ²Π΅Π΄Π΅Π½Π½ΠΎΠ³ΠΎ Π²Ρ‹ΡˆΠ΅ Π½Π°Π±ΠΎΡ€Π° Π΄Π°Π½Π½Ρ‹Ρ…. ИмСнно здСсь Π½Π° сцСну Π²Ρ‹Ρ…ΠΎΠ΄ΠΈΡ‚ Kernel SVM.

    SVM Рис. 7. ПослС использования классификатора ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ² ядра

    Π§Ρ‚ΠΎ Π΄Π΅Π»Π°Π΅Ρ‚ ядро ​​SVM? Как ΠΎΠ½ Π½Π°Ρ…ΠΎΠ΄ΠΈΡ‚ классификатор? Π§Ρ‚ΠΎ ΠΆ, Kernel SVM ΠΏΡ€ΠΎΠ΅Ρ†ΠΈΡ€ΡƒΠ΅Ρ‚ Π½Π΅Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎ Ρ€Π°Π·Π΄Π΅Π»ΠΈΠΌΡ‹Π΅ Π½Π°Π±ΠΎΡ€Ρ‹ Π΄Π°Π½Π½Ρ‹Ρ… Π±ΠΎΠ»Π΅Π΅ Π½ΠΈΠ·ΠΊΠΈΡ… ΠΈΠ·ΠΌΠ΅Ρ€Π΅Π½ΠΈΠΉ Π½Π° Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎ Ρ€Π°Π·Π΄Π΅Π»ΠΈΠΌΡ‹Π΅ Π΄Π°Π½Π½Ρ‹Π΅ Π±ΠΎΠ»Π΅Π΅ высоких ΠΈΠ·ΠΌΠ΅Ρ€Π΅Π½ΠΈΠΉ. Π―Π΄Ρ€ΠΎ SVM выполняСт Ρ‚ΠΎ ΠΆΠ΅ самоС Ρ‚Π°ΠΊΠΈΠΌ ΠΎΠ±Ρ€Π°Π·ΠΎΠΌ, Ρ‡Ρ‚ΠΎ Π½Π°Π±ΠΎΡ€Ρ‹ Π΄Π°Π½Π½Ρ‹Ρ…, ΠΏΡ€ΠΈΠ½Π°Π΄Π»Π΅ΠΆΠ°Ρ‰ΠΈΠ΅ ΠΊ Ρ€Π°Π·Π½Ρ‹ΠΌ классам, Ρ€Π°ΡΠΏΡ€Π΅Π΄Π΅Π»ΡΡŽΡ‚ΡΡ ΠΏΠΎ Ρ€Π°Π·Π½Ρ‹ΠΌ измСрСниям. Π˜Π½Ρ‚Π΅Ρ€Π΅ΡΠ½ΠΎ, Π½Π΅ Ρ‚Π°ΠΊ Π»ΠΈ?
    Π§Ρ‚ΠΎ ΠΆ, ΠΏΡ€Π΅ΠΆΠ΄Π΅ Ρ‡Π΅ΠΌ ΠΈΡΡΠ»Π΅Π΄ΠΎΠ²Π°Ρ‚ΡŒ, ΠΊΠ°ΠΊ Ρ€Π΅Π°Π»ΠΈΠ·ΠΎΠ²Π°Ρ‚ΡŒ SVM Π½Π° языкС программирования Python, Π΄Π°Π²Π°ΠΉΡ‚Π΅ взглянСм Π½Π° ΠΏΠ»ΡŽΡΡ‹ ΠΈ минусы Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌΠ° ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ².

    Π£Π·Π½Π°ΠΉΡ‚Π΅, ΠΊΠ°ΠΊ Π²Π½Π΅Π΄Ρ€ΠΈΡ‚ΡŒ машинноС ΠΎΠ±ΡƒΡ‡Π΅Π½ΠΈΠ΅ Π² этом Π±Π»ΠΎΠ³Π΅, посвящСнном ΠΌΠ°ΡˆΠΈΠ½Π½ΠΎΠΌΡƒ ΠΎΠ±ΡƒΡ‡Π΅Π½ΠΈΡŽ с ΠΏΠΎΠΌΠΎΡ‰ΡŒΡŽ Python, ΠΊΠ°ΠΊ для Π½ΠΎΠ²ΠΈΡ‡ΠΊΠΎΠ², Ρ‚Π°ΠΊ ΠΈ для ΠΎΠΏΡ‹Ρ‚Π½Ρ‹Ρ… ΠΏΠΎΠ»ΡŒΠ·ΠΎΠ²Π°Ρ‚Π΅Π»Π΅ΠΉ.

    ΠšΠ°Ρ€ΡŒΠ΅Ρ€Π½Ρ‹ΠΉ ΠΏΠ΅Ρ€Π΅Ρ…ΠΎΠ΄

    ΠŸΡ€Π΅ΠΈΠΌΡƒΡ‰Π΅ΡΡ‚Π²Π° Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌΠ° ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ²

    • Π˜ΠΌΠ΅Π΅Ρ‚ высокий ΡƒΡ€ΠΎΠ²Π΅Π½ΡŒ точности
    • ΠžΡ‡Π΅Π½ΡŒ Ρ…ΠΎΡ€ΠΎΡˆΠΎ Ρ€Π°Π±ΠΎΡ‚Π°Π΅Ρ‚ с ΠΎΠ³Ρ€Π°Π½ΠΈΡ‡Π΅Π½Π½Ρ‹ΠΌΠΈ Π½Π°Π±ΠΎΡ€Π°ΠΌΠΈ Π΄Π°Π½Π½Ρ‹Ρ…
    • Kernel SVM содСрТит Ρ„ΡƒΠ½ΠΊΡ†ΠΈΡŽ Π½Π΅Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎΠ³ΠΎ прСобразования для прСобразования слоТных Π½Π΅Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎ Ρ€Π°Π·Π΄Π΅Π»ΠΈΠΌΡ‹Ρ… Π΄Π°Π½Π½Ρ‹Ρ… Π² Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎ Ρ€Π°Π·Π΄Π΅Π»ΠΈΠΌΡ‹Π΅ Π΄Π°Π½Π½Ρ‹Π΅
    • Π­Ρ‚ΠΎ эффСктивно для Π½Π°Π±ΠΎΡ€ΠΎΠ² Π΄Π°Π½Π½Ρ‹Ρ…, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ ΠΈΠΌΠ΅ΡŽΡ‚ нСсколько Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΉ
    • Π­Ρ„Ρ„Π΅ΠΊΡ‚ΠΈΠ²Π΅Π½, ΠΊΠΎΠ³Π΄Π° количСство ΠΏΡ€ΠΈΠ·Π½Π°ΠΊΠΎΠ² ΠΏΡ€Π΅Π²Ρ‹ΡˆΠ°Π΅Ρ‚ количСство Ρ‚ΠΎΡ‡Π΅ΠΊ Π΄Π°Π½Π½Ρ‹Ρ…
    • Он ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅Ρ‚ подмноТСство Ρ‚ΠΎΡ‡Π΅ΠΊ обучСния Π² Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΈ принятия Ρ€Π΅ΡˆΠ΅Π½ΠΈΠΉ ΠΈΠ»ΠΈ ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€Π°Ρ…, Ρ‡Ρ‚ΠΎ Π΄Π΅Π»Π°Π΅Ρ‚ ΠΏΠ°ΠΌΡΡ‚ΡŒ SVM эффСктивной
    • Помимо ΠΎΠ±Ρ‹Ρ‡Π½Ρ‹Ρ… ядСр, Ρ‚Π°ΠΊΠΆΠ΅ ΠΌΠΎΠΆΠ½ΠΎ ΡƒΠΊΠ°Π·Π°Ρ‚ΡŒ ΠΏΠΎΠ»ΡŒΠ·ΠΎΠ²Π°Ρ‚Π΅Π»ΡŒΡΠΊΠΈΠ΅ ядра для Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΈ принятия Ρ€Π΅ΡˆΠ΅Π½ΠΈΡ

    НСдостатки Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌΠ° ΠΌΠ΅Ρ‚ΠΎΠ΄Π° ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ²

    • НС Ρ€Π°Π±ΠΎΡ‚Π°Π΅Ρ‚ с большими Π½Π°Π±ΠΎΡ€Π°ΠΌΠΈ Π΄Π°Π½Π½Ρ‹Ρ…
    • Иногда врСмя обучСния с SVM ΠΌΠΎΠΆΠ΅Ρ‚ Π±Ρ‹Ρ‚ΡŒ большим
    • Если количСство ΠΏΡ€ΠΈΠ·Π½Π°ΠΊΠΎΠ² Π·Π½Π°Ρ‡ΠΈΡ‚Π΅Π»ΡŒΠ½ΠΎ ΠΏΡ€Π΅Π²Ρ‹ΡˆΠ°Π΅Ρ‚ количСство Ρ‚ΠΎΡ‡Π΅ΠΊ Π΄Π°Π½Π½Ρ‹Ρ…, ΠΊΡ€Π°ΠΉΠ½Π΅ Π²Π°ΠΆΠ½ΠΎ ΠΈΠ·Π±Π΅Π³Π°Ρ‚ΡŒ пСрСобучСния ΠΏΡ€ΠΈ Π²Ρ‹Π±ΠΎΡ€Π΅ Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΉ ядра ΠΈ условий рСгуляризации
    • ΠžΡ†Π΅Π½ΠΊΠΈ вСроятности Π½Π΅ ΠΏΡ€Π΅Π΄ΠΎΡΡ‚Π°Π²Π»ΡΡŽΡ‚ΡΡ SVM Π½Π°ΠΏΡ€ΡΠΌΡƒΡŽ; скорСС, ΠΎΠ½ΠΈ Ρ€Π°ΡΡΡ‡ΠΈΡ‚Ρ‹Π²Π°ΡŽΡ‚ΡΡ с использованиСм дорогостоящСй пятикратной пСрСкрСстной ΠΏΡ€ΠΎΠ²Π΅Ρ€ΠΊΠΈ
    • Π›ΡƒΡ‡ΡˆΠ΅ всСго Ρ€Π°Π±ΠΎΡ‚Π°Π΅Ρ‚ Π½Π° Π½Π΅Π±ΠΎΠ»ΡŒΡˆΠΈΡ… Π²Ρ‹Π±ΠΎΡ€ΠΊΠ°Ρ… ΠΈΠ·-Π·Π° большого Π²Ρ€Π΅ΠΌΠ΅Π½ΠΈ обучСния

    Π‘Ρ‚Π°Π½ΡŒΡ‚Π΅ мастСром машинного обучСния, пройдя этот ΠΎΠ½Π»Π°ΠΉΠ½-курс ΠΏΠΎ ΠΌΠ°ΡˆΠΈΠ½Π½ΠΎΠΌΡƒ ΠΎΠ±ΡƒΡ‡Π΅Π½ΠΈΡŽ Π² Π‘ΠΈΠ½Π³Π°ΠΏΡƒΡ€Π΅ .

    Как Ρ€Π°Π±ΠΎΡ‚Π°Π΅Ρ‚ Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌ ΠΌΠ΅Ρ‚ΠΎΠ΄Π° ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ²?

    Рассмотрим Π΄Π²Π΅ ΠΌΠ΅Ρ‚ΠΊΠΈ, ΠΆΠ΅Π»Ρ‚ΡƒΡŽ ΠΈ синюю, ΠΈ наши Π΄Π°Π½Π½Ρ‹Π΅ ΠΈΠΌΠ΅ΡŽΡ‚ Π΄Π²Π΅ характСристики, x ΠΈ y. Учитывая ΠΏΠ°Ρ€Ρƒ ΠΊΠΎΠΎΡ€Π΄ΠΈΠ½Π°Ρ‚ (x, y), Π½Π°ΠΌ Π½ΡƒΠΆΠ΅Π½ классификатор, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹ΠΉ Π²Ρ‹Π²ΠΎΠ΄ΠΈΡ‚ Π»ΠΈΠ±ΠΎ ΠΆΠ΅Π»Ρ‚Ρ‹ΠΉ, Π»ΠΈΠ±ΠΎ синий Ρ†Π²Π΅Ρ‚. Наносим Ρ€Π°Π·ΠΌΠ΅Ρ‡Π΅Π½Π½Ρ‹Π΅ Π΄Π°Π½Π½Ρ‹Π΅ обучСния Π½Π° ΠΏΠ»ΠΎΡΠΊΠΎΡΡ‚ΡŒ:

    SVM Π±Π΅Ρ€Π΅Ρ‚ эти Ρ‚ΠΎΡ‡ΠΊΠΈ Π΄Π°Π½Π½Ρ‹Ρ… ΠΈ Π²Ρ‹Π²ΠΎΠ΄ΠΈΡ‚ Π³ΠΈΠΏΠ΅Ρ€ΠΏΠ»ΠΎΡΠΊΠΎΡΡ‚ΡŒ, которая прСдставляСт собой просто Π΄Π²ΡƒΡ…ΠΌΠ΅Ρ€Π½ΡƒΡŽ линию, которая Π»ΡƒΡ‡ΡˆΠ΅ всСго раздСляСт Ρ‚Π΅Π³ΠΈ. Линия – это Π³Ρ€Π°Π½ΠΈΡ†Π° Ρ€Π΅ΡˆΠ΅Π½ΠΈΡ. ВсС, Ρ‡Ρ‚ΠΎ ΡƒΠΏΠ°Π΄Π΅Ρ‚ ΠΏΠΎ ΠΎΠ΄Π½Ρƒ сторону ΠΎΡ‚ Π½Π΅Π³ΠΎ, Π±ΡƒΠ΄Π΅Ρ‚ классифицировано ΠΊΠ°ΠΊ ΠΆΠ΅Π»Ρ‚ΠΎΠ΅, Π° всС, Ρ‡Ρ‚ΠΎ ΠΏΠΎ Π΄Ρ€ΡƒΠ³ΡƒΡŽ сторону, Π±ΡƒΠ΄Π΅Ρ‚ классифицировано ΠΊΠ°ΠΊ синСС.

    Для SVM Π»ΡƒΡ‡ΡˆΠ°Ρ Π³ΠΈΠΏΠ΅Ρ€ΠΏΠ»ΠΎΡΠΊΠΎΡΡ‚ΡŒ Ρ‚Π°, которая максимизируСт поля ΠΎΡ‚ ΠΎΠ±ΠΎΠΈΡ… Ρ‚Π΅Π³ΠΎΠ². Π­Ρ‚ΠΎ Π³ΠΈΠΏΠ΅Ρ€ΠΏΠ»ΠΎΡΠΊΠΎΡΡ‚ΡŒ, расстояниС Π΄ΠΎ блиТайшСго элСмСнта ΠΊΠ°ΠΆΠ΄ΠΎΠ³ΠΎ Ρ‚Π΅Π³Π° ΠΊΠΎΡ‚ΠΎΡ€ΠΎΠΉ наибольшСС.

    Π’Ρ‹ΡˆΠ΅ΡƒΠΏΠΎΠΌΡΠ½ΡƒΡ‚ΠΎΠ΅ Π±Ρ‹Π»ΠΎ Π»Π΅Π³ΠΊΠΎ, Ρ‚Π°ΠΊ ΠΊΠ°ΠΊ Π΄Π°Π½Π½Ρ‹Π΅ Π±Ρ‹Π»ΠΈ Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎ Ρ€Π°Π·Π΄Π΅Π»ΠΈΠΌΡ‹ β€” ΠΌΠΎΠΆΠ½ΠΎ провСсти ΠΏΡ€ΡΠΌΡƒΡŽ линию, Ρ‡Ρ‚ΠΎΠ±Ρ‹ Ρ€Π°Π·Π΄Π΅Π»ΠΈΡ‚ΡŒ ΠΆΠ΅Π»Ρ‚Ρ‹ΠΉ ΠΈ синий. Однако Π² Ρ€Π΅Π°Π»ΡŒΠ½Ρ‹Ρ… сцСнариях Π΄Π΅Π»Π° ΠΎΠ±Ρ‹Ρ‡Π½ΠΎ Π½Π΅ Ρ‚Π°ΠΊ просты. Рассмотрим ΡΠ»Π΅Π΄ΡƒΡŽΡ‰ΠΈΠΉ случай:

    НСт Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎΠΉ Π³Ρ€Π°Π½ΠΈΡ†Ρ‹ Ρ€Π΅ΡˆΠ΅Π½ΠΈΡ. Однако Π²Π΅ΠΊΡ‚ΠΎΡ€Ρ‹ ΠΎΡ‡Π΅Π½ΡŒ Ρ‡Π΅Ρ‚ΠΊΠΎ Ρ€Π°Π·Π΄Π΅Π»Π΅Π½Ρ‹, ΠΈ каТСтся, Ρ‡Ρ‚ΠΎ ΠΈΡ… Π΄ΠΎΠ»ΠΆΠ½ΠΎ Π±Ρ‹Ρ‚ΡŒ Π»Π΅Π³ΠΊΠΎ Ρ€Π°Π·Π΄Π΅Π»ΠΈΡ‚ΡŒ.

    Π’ этом случаС ΠΌΡ‹ Π΄ΠΎΠ±Π°Π²ΠΈΠΌ Ρ‚Ρ€Π΅Ρ‚ΡŒΠ΅ ΠΈΠ·ΠΌΠ΅Ρ€Π΅Π½ΠΈΠ΅. Π”ΠΎ сих ΠΏΠΎΡ€ ΠΌΡ‹ Ρ€Π°Π±ΠΎΡ‚Π°Π»ΠΈ с двумя измСрСниями, x ΠΈ y. Π’ этом случаС вводится Π½ΠΎΠ²ΠΎΠ΅ ΠΈΠ·ΠΌΠ΅Ρ€Π΅Π½ΠΈΠ΅ z. Π•Π³ΠΎ Π²Ρ‹Ρ‡ΠΈΡΠ»ΡΡŽΡ‚ ΠΎΠΏΡ€Π΅Π΄Π΅Π»Π΅Π½Π½Ρ‹ΠΌ ΡƒΠ΄ΠΎΠ±Π½Ρ‹ΠΌ способом, z = xΒ² + yΒ² (ΡƒΡ€Π°Π²Π½Π΅Π½ΠΈΠ΅ окруТности). Π‘Ρ€Π΅Π· этого Ρ‚Ρ€Π΅Ρ…ΠΌΠ΅Ρ€Π½ΠΎΠ³ΠΎ пространства выглядит Ρ‚Π°ΠΊ:

    Π”Π°Π²Π°ΠΉΡ‚Π΅ посмотрим, Ρ‡Ρ‚ΠΎ SVM ΠΌΠΎΠΆΠ΅Ρ‚ ΡΠ΄Π΅Π»Π°Ρ‚ΡŒ с этим:

    ΠžΠ±Ρ€Π°Ρ‚ΠΈΡ‚Π΅ Π²Π½ΠΈΠΌΠ°Π½ΠΈΠ΅, Ρ‡Ρ‚ΠΎ ΠΏΠΎΡΠΊΠΎΠ»ΡŒΠΊΡƒ ΠΌΡ‹ сСйчас находимся Π² Ρ‚Ρ€Π΅Ρ… измСрСниях, Π³ΠΈΠΏΠ΅Ρ€ΠΏΠ»ΠΎΡΠΊΠΎΡΡ‚ΡŒ прСдставляСт собой ΠΏΠ»ΠΎΡΠΊΠΎΡΡ‚ΡŒ, ΠΏΠ°Ρ€Π°Π»Π»Π΅Π»ΡŒΠ½ΡƒΡŽ оси x Π² ΠΎΠΏΡ€Π΅Π΄Π΅Π»Π΅Π½Π½ΠΎΠΉ Ρ‚ΠΎΡ‡ΠΊΠ΅ z, скаТСм, z = 1. Π’Π΅ΠΏΠ΅Ρ€ΡŒ Π΅Π΅ слСдуСт ΠΎΡ‚ΠΎΠ±Ρ€Π°Π·ΠΈΡ‚ΡŒ ΠΎΠ±Ρ€Π°Ρ‚Π½ΠΎ Π² Π΄Π²Π° измСрСния:

    Π’ΠΎΡ‚ Ρ‚Π°ΠΊ! Π“Ρ€Π°Π½ΠΈΡ†Π° Ρ€Π΅ΡˆΠ΅Π½ΠΈΡ прСдставляСт собой ΠΎΠΊΡ€ΡƒΠΆΠ½ΠΎΡΡ‚ΡŒ с радиусом 1, ΠΈ ΠΎΠ½Π° раздСляСт ΠΎΠ±Π° Ρ‚Π΅Π³Π° с ΠΏΠΎΠΌΠΎΡ‰ΡŒΡŽ SVM.

    ВычислСниС прСобразования ΠΌΠΎΠΆΠ΅Ρ‚ ΠΏΠΎΡ‚Ρ€Π΅Π±ΠΎΠ²Π°Ρ‚ΡŒ Π±ΠΎΠ»ΡŒΡˆΠΈΡ… Π²Ρ‹Ρ‡ΠΈΡΠ»ΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹Ρ… Π·Π°Ρ‚Ρ€Π°Ρ‚. МоТно ΠΈΠΌΠ΅Ρ‚ΡŒ Π΄Π΅Π»ΠΎ со мноТСством Π½ΠΎΠ²Ρ‹Ρ… ΠΈΠ·ΠΌΠ΅Ρ€Π΅Π½ΠΈΠΉ, ΠΊΠ°ΠΆΠ΄ΠΎΠ΅ ΠΈΠ· ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Ρ…, Π²ΠΎΠ·ΠΌΠΎΠΆΠ½ΠΎ, Ρ‚Ρ€Π΅Π±ΡƒΠ΅Ρ‚ слоТных вычислСний. Π‘Π»Π΅Π΄ΠΎΠ²Π°Ρ‚Π΅Π»ΡŒΠ½ΠΎ, ΡΠ΄Π΅Π»Π°Ρ‚ΡŒ это для ΠΊΠ°ΠΆΠ΄ΠΎΠ³ΠΎ Π²Π΅ΠΊΡ‚ΠΎΡ€Π° Π² Π½Π°Π±ΠΎΡ€Π΅ Π΄Π°Π½Π½Ρ‹Ρ… Π±ΡƒΠ΄Π΅Ρ‚ ΠΌΠ½ΠΎΠ³ΠΎ Ρ€Π°Π±ΠΎΡ‚Ρ‹.

    Π’ΠΎΡ‚ Ρ€Π΅ΡˆΠ΅Π½ΠΈΠ΅: SVM Π½Π΅ Π½ΡƒΠΆΠ½Ρ‹ Ρ€Π΅Π°Π»ΡŒΠ½Ρ‹Π΅ Π²Π΅ΠΊΡ‚ΠΎΡ€Ρ‹, Ρ‡Ρ‚ΠΎΠ±Ρ‹ Ρ‚Π²ΠΎΡ€ΠΈΡ‚ΡŒ чудСса. Он ΠΌΠΎΠΆΠ΅Ρ‚ ΠΎΠ±ΠΎΠΉΡ‚ΠΈΡΡŒ Ρ‚ΠΎΠ»ΡŒΠΊΠΎ скалярными произвСдСниями ΠΌΠ΅ΠΆΠ΄Ρƒ Π½ΠΈΠΌΠΈ. Π’Π°ΠΊΠΈΠΌ ΠΎΠ±Ρ€Π°Π·ΠΎΠΌ, ΠΌΠΎΠΆΠ½ΠΎ ΠΎΠ±ΠΎΠΉΡ‚ΠΈΡΡŒ Π±Π΅Π· дорогостоящих вычислСний Π½ΠΎΠ²Ρ‹Ρ… размСрностСй.

    ВмСсто этого ΠΌΠΎΠΆΠ½ΠΎ ΡΠ΄Π΅Π»Π°Ρ‚ΡŒ ΡΠ»Π΅Π΄ΡƒΡŽΡ‰Π΅Π΅:

    Π“ΠΎΡ‚ΠΎΠ²ΠΎ!

    Π‘ΠΈΠ±Π»ΠΈΠΎΡ‚Π΅ΠΊΠΈ SVM ΡƒΠΏΠ°ΠΊΠΎΠ²Π°Π½Ρ‹ с Π½Π΅ΠΊΠΎΡ‚ΠΎΡ€Ρ‹ΠΌΠΈ популярными ядрами, Ρ‚Π°ΠΊΠΈΠΌΠΈ ΠΊΠ°ΠΊ Polynomial , Radial Basis Function ΠΈΠ»ΠΈ RBF ΠΈ Sigmoid . Ѐункция классификации, ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅ΠΌΠ°Ρ Π² SVM Π² машинном ΠΎΠ±ΡƒΡ‡Π΅Π½ΠΈΠΈ, называСтся SVC. Ѐункция SVC выглядит ΡΠ»Π΅Π΄ΡƒΡŽΡ‰ΠΈΠΌ ΠΎΠ±Ρ€Π°Π·ΠΎΠΌ:

      sklearn.SVM.SVC (C = 1.0, ядро ​​​​= Β«rbfΒ», ΡΡ‚Π΅ΠΏΠ΅Π½ΡŒ = 3)  

    ΠœΠ°ΡˆΠΈΠ½Π½Ρ‹Π΅ Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌΡ‹ ΡΠ²Π»ΡΡŽΡ‚ΡΡ Ρ‡Π°ΡΡ‚ΡŒΡŽ машинного обучСния, ΠΈ Π²Ρ‹ ΠΌΠΎΠΆΠ΅Ρ‚Π΅ ΠΎΡΠ²ΠΎΠΈΡ‚ΡŒ эти Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌΡ‹ с ΠΏΠΎΠΌΠΎΡ‰ΡŒΡŽ нашСго ΠΎΠ½Π»Π°ΠΉΠ½-курса ΠΏΠΎ ΠΌΠ°ΡˆΠΈΠ½Π½ΠΎΠΌΡƒ ΠΎΠ±ΡƒΡ‡Π΅Π½ΠΈΡŽ. Π—Π°Ρ€Π΅Π³ΠΈΡΡ‚Ρ€ΠΈΡ€ΡƒΠΉΡ‚Π΅ΡΡŒ сСйчас!

    Π’Π°ΠΆΠ½Ρ‹Π΅ ΠΏΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€Ρ‹

    • C: Π‘ΠΎΡ…Ρ€Π°Π½Π΅Π½ΠΈΠ΅ Π±ΠΎΠ»ΡŒΡˆΠΈΡ… Π·Π½Π°Ρ‡Π΅Π½ΠΈΠΉ C Π±ΡƒΠ΄Π΅Ρ‚ ΡƒΠΊΠ°Π·Ρ‹Π²Π°Ρ‚ΡŒ ΠΌΠΎΠ΄Π΅Π»ΠΈ SVM Π½Π° Π²Ρ‹Π±ΠΎΡ€ мСньшСй гипСрплоскости поля. НСбольшоС Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ C ΡƒΠΊΠ°ΠΆΠ΅Ρ‚ ΠΌΠΎΠ΄Π΅Π»ΠΈ SVM Π½Π° Π²Ρ‹Π±ΠΎΡ€ большСй гипСрплоскости поля.
    • 9Π―Π΄Ρ€ΠΎ 0007: Π­Ρ‚ΠΎ Ρ‚ΠΈΠΏ ядра, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹ΠΉ Π±ΡƒΠ΄Π΅Ρ‚ ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΠΎΠ²Π°Ρ‚ΡŒΡΡ ΠΏΡ€ΠΈ построСнии ΠΌΠΎΠ΄Π΅Π»ΠΈ SVM. Π­Ρ‚ΠΎ ΠΌΠΎΠΆΠ΅Ρ‚ Π±Ρ‹Ρ‚ΡŒ Β«Π»ΠΈΠ½Π΅ΠΉΠ½Ρ‹ΠΉΒ», Β«rbfΒ», Β«ΠΏΠΎΠ»ΠΈΒ» ΠΈΠ»ΠΈ «сигмоид». Π—Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ ядра ΠΏΠΎ ΡƒΠΌΠΎΠ»Ρ‡Π°Π½ΠΈΡŽ β€” Β«rbfΒ».
    • ΡΡ‚Π΅ΠΏΠ΅Π½ΡŒ: УчитываСтся Ρ‚ΠΎΠ»ΡŒΠΊΠΎ Π² случаС полиномиального ядра. Π­Ρ‚ΠΎ ΡΡ‚Π΅ΠΏΠ΅Π½ΡŒ полиномиальной Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΈ ядра. Π—Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ градуса ΠΏΠΎ ΡƒΠΌΠΎΠ»Ρ‡Π°Π½ΠΈΡŽ Ρ€Π°Π²Π½ΠΎ 3.

    Π₯ΠΎΡ€ΠΎΡˆΠΎ, Π΄Π°Π²Π°ΠΉΡ‚Π΅ сразу приступим ΠΊ практичСской Ρ€Π°Π±ΠΎΡ‚Π΅ с SVM Π½Π° языкС программирования Python.

    Если Ρƒ вас Π΅ΡΡ‚ΡŒ ΠΊΠ°ΠΊΠΈΠ΅-Π»ΠΈΠ±ΠΎ сомнСния ΠΈΠ»ΠΈ вопросы, связанныС с Π½Π°ΡƒΠΊΠΎΠΉ ΠΎ Π΄Π°Π½Π½Ρ‹Ρ…, ΠΎΠΏΡƒΠ±Π»ΠΈΠΊΡƒΠΉΡ‚Π΅ сообщСниС Π² сообщСствС машинного обучСния.

    ΠŸΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€Ρ‹ SVM

    ΠŸΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€Ρ‹ SVM Π²ΠΊΠ»ΡŽΡ‡Π°ΡŽΡ‚ значСния, ΠΎΡ†Π΅Π½ΠΊΠΈ ΠΈ Ρ€Π°Π·Π»ΠΈΡ‡Π½Ρ‹Π΅ ограничСния, ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅ΠΌΡ‹Π΅ для Ρ€Π΅Π°Π»ΠΈΠ·Π°Ρ†ΠΈΠΈ Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌΠΎΠ² ML. Π’ Π½Π΅ΠΉΡ€ΠΎΠ½Π½ΠΎΠΉ сСти Π΅ΡΡ‚ΡŒ Ρ‚Ρ€ΠΈ Ρ‚ΠΈΠΏΠ° ΠΏΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€ΠΎΠ² SV:

    • Π―Π΄Ρ€ΠΎ

    Π―Π΄Ρ€ΠΎ ΠΏΡ€Π΅ΠΎΠ±Ρ€Π°Π·ΡƒΠ΅Ρ‚ Π²Ρ…ΠΎΠ΄Π½Ρ‹Π΅ Π΄Π°Π½Π½Ρ‹Π΅ Π² Π»ΡŽΠ±Ρ‹Π΅ ΠΏΠ΅Ρ€Π²Ρ‹Π΅ Π² соотвСтствии с трСбованиями ΠΏΠΎΠ»ΡŒΠ·ΠΎΠ²Π°Ρ‚Π΅Π»Ρ. Π―Π΄Ρ€Π°, ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅ΠΌΡ‹Π΅ Π² SVM, ΠΌΠΎΠ³ΡƒΡ‚ Π±Ρ‹Ρ‚ΡŒ Π»ΠΈΠ½Π΅ΠΉΠ½Ρ‹ΠΌΠΈ, ΠΏΠΎΠ»ΠΈΠ½ΠΎΠΌΠΈΠ°Π»ΡŒΠ½Ρ‹ΠΌΠΈ, Ρ€Π°Π΄ΠΈΠ°Π»ΡŒΠ½Ρ‹ΠΌΠΈ базисными функциями (RBF) ΠΈ Π½Π΅Π»ΠΈΠ½Π΅ΠΉΠ½Ρ‹ΠΌΠΈ гипСрплоскостями, созданными с использованиСм ΠΏΠΎΠ»ΠΈΠ½ΠΎΠΌΠΈΠ°Π»ΡŒΠ½Ρ‹Ρ… Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΉ ΠΈ Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΉ RBF. Π’Ρ‹ ΠΌΠΎΠΆΠ΅Ρ‚Π΅ ΠΏΠΎΠ»ΡƒΡ‡ΠΈΡ‚ΡŒ Ρ‚ΠΎΡ‡Π½Ρ‹Π΅ классификаторы, Ρ€Π°Π·Π΄Π΅Π»ΠΈΠ² Π½Π΅Π»ΠΈΠ½Π΅ΠΉΠ½Ρ‹Π΅ классы с ΠΏΠΎΠΌΠΎΡ‰ΡŒΡŽ Ρ€Π°ΡΡˆΠΈΡ€Π΅Π½Π½ΠΎΠ³ΠΎ ядра.

    • РСгуляризация

    ΠŸΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€Ρ‹ C Π² Scikit-learn ΠΎΠ±ΠΎΠ·Π½Π°Ρ‡Π°ΡŽΡ‚ ΠΎΡˆΠΈΠ±ΠΊΡƒ ΠΈΠ»ΠΈ ΡˆΡ‚Ρ€Π°Ρ„, ΠΏΡ€Π΅Π΄ΡΡ‚Π°Π²Π»ΡΡŽΡ‰ΠΈΠΉ любой просчСт. Π’Ρ‹ ΠΌΠΎΠΆΠ΅Ρ‚Π΅ ΠΏΠΎΠ΄Π΄Π΅Ρ€ΠΆΠΈΠ²Π°Ρ‚ΡŒ Ρ€Π΅Π³ΡƒΠ»ΡΡ€ΠΈΠ·Π°Ρ†ΠΈΡŽ, поняв просчСт ΠΈ ΠΈΠ·ΠΌΠ΅Π½ΠΈΠ² Π³Ρ€Π°Π½ΠΈΡ†Ρƒ Ρ€Π΅ΡˆΠ΅Π½ΠΈΡ, ΠΈΠ·ΠΌΠ΅Π½ΠΈΠ² ΠΏΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€Ρ‹ C.

    • Π“Π°ΠΌΠΌΠ°

    Π“Π°ΠΌΠΌΠ°-ΠΏΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€Ρ‹ ΠΎΠΏΡ€Π΅Π΄Π΅Π»ΡΡŽΡ‚ ΠΈΡ… влияниС Π½Π° ΠΎΠ΄ΠΈΠ½ΠΎΡ‡Π½Ρ‹ΠΉ ΠΎΠ±ΡƒΡ‡Π°ΡŽΡ‰ΠΈΠΉ ΠΏΡ€ΠΈΠΌΠ΅Ρ€. БущСствуСт Π΄Π²Π° Ρ‚ΠΈΠΏΠ° ΠΏΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€ΠΎΠ² Π³Π°ΠΌΠΌΡ‹: Π½ΠΈΠ·ΠΊΠΈΠ΅ значСния ΠΎΠ·Π½Π°Ρ‡Π°ΡŽΡ‚ Β«Π΄Π°Π»Π΅ΠΊΠΎΒ» ΠΈ высокиС значСния ΠΎΠ·Π½Π°Ρ‡Π°ΡŽΡ‚ Β«Π±Π»ΠΈΠ·ΠΊΠΈΠ΅Β». НизкиС ΠΈΠ»ΠΈ дальниС значСния ΠΎΠΏΡ€Π΅Π΄Π΅Π»ΡΡŽΡ‚ Ρ„ΡƒΠ½ΠΊΡ†ΠΈΡŽ Гаусса с большой диспСрсиСй. ΠŸΡ€ΠΈΠ½ΠΈΠΌΠ°Ρ Π²ΠΎ Π²Π½ΠΈΠΌΠ°Π½ΠΈΠ΅, Ρ‡Ρ‚ΠΎ высокиС ΠΈΠ»ΠΈ Π±Π»ΠΈΠ·ΠΊΠΈΠ΅ значСния ΠΎΠΏΡ€Π΅Π΄Π΅Π»ΡΡŽΡ‚ Π΅Π³ΠΎ с нСбольшой диспСрсиСй.

    ΠŸΡ€ΠΈΠΌΠ΅Π½Π΅Π½ΠΈΠ΅ SVM

    SVM Π² основном ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅Ρ‚ΡΡ для классификации Π½Π΅Π²ΠΈΠ΄ΠΈΠΌΡ‹Ρ… Π΄Π°Π½Π½Ρ‹Ρ… ΠΈ ΠΈΠΌΠ΅Π΅Ρ‚ Ρ€Π°Π·Π»ΠΈΡ‡Π½ΠΎΠ΅ ΠΏΡ€ΠΈΠΌΠ΅Π½Π΅Π½ΠΈΠ΅ Π² Ρ€Π°Π·Π»ΠΈΡ‡Π½Ρ‹Ρ… областях:

    • ΠžΠ±Π½Π°Ρ€ΡƒΠΆΠ΅Π½ΠΈΠ΅ Π»ΠΈΡ†

    ΠšΠ»Π°ΡΡΠΈΡ„ΠΈΡ†ΠΈΡ€ΡƒΠ΅Ρ‚ изобраТСния Π»ΠΈΡ† людСй Π² ΠΎΠΊΡ€ΡƒΠΆΠ°ΡŽΡ‰Π΅ΠΉ срСдС ΠΎΡ‚ ΠΈΠ·ΠΎΠ±Ρ€Π°ΠΆΠ΅Π½ΠΈΠΉ Π±Π΅Π· Π»ΠΈΡ†, создавая Π²ΠΎΠΊΡ€ΡƒΠ³ Π½ΠΈΡ… ΠΊΠ²Π°Π΄Ρ€Π°Ρ‚Π½ΡƒΡŽ Ρ€Π°ΠΌΠΊΡƒ.

    • Π‘ΠΈΠΎΠΈΠ½Ρ„ΠΎΡ€ΠΌΠ°Ρ‚ΠΈΠΊΠ°

    ΠœΠ°ΡˆΠΈΠ½Ρ‹ ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ² ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΡŽΡ‚ΡΡ для классификации Π³Π΅Π½ΠΎΠ², Ρ‡Ρ‚ΠΎ позволяСт исслСдоватСлям Ρ€Π°Π·Π»ΠΈΡ‡Π°Ρ‚ΡŒ Ρ€Π°Π·Π»ΠΈΡ‡Π½Ρ‹Π΅ Π±Π΅Π»ΠΊΠΈ ΠΈ Π²Ρ‹ΡΠ²Π»ΡΡ‚ΡŒ биологичСскиС ΠΏΡ€ΠΎΠ±Π»Π΅ΠΌΡ‹ ΠΈ Ρ€Π°ΠΊΠΎΠ²Ρ‹Π΅ ΠΊΠ»Π΅Ρ‚ΠΊΠΈ.

    • ΠšΠ°Ρ‚Π΅Π³ΠΎΡ€ΠΈΠ·Π°Ρ†ΠΈΡ тСкста

    Π˜ΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅Ρ‚ΡΡ Π² модСлях обучСния, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΡŽΡ‚ΡΡ для классификации Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚ΠΎΠ² ΠΏΠΎ Ρ€Π°Π·Π»ΠΈΡ‡Π½Ρ‹ΠΌ катСгориям Π½Π° основС ΠΎΡ†Π΅Π½ΠΊΠΈ, Ρ‚ΠΈΠΏΠΎΠ² ΠΈ Π΄Ρ€ΡƒΠ³ΠΈΡ… ΠΏΠΎΡ€ΠΎΠ³ΠΎΠ²Ρ‹Ρ… Π·Π½Π°Ρ‡Π΅Π½ΠΈΠΉ.

    • ΠžΠ±ΠΎΠ±Ρ‰Π΅Π½Π½Ρ‹ΠΉ ΠΏΡ€ΠΎΠ³Π½ΠΎΠ·ΠΈΡ€ΡƒΡŽΡ‰ΠΈΠΉ ΠΊΠΎΠ½Ρ‚Ρ€ΠΎΠ»ΡŒ (GPC)

    ΠžΠ±Π΅ΡΠΏΠ΅Ρ‡ΠΈΠ²Π°Π΅Ρ‚ ΠΊΠΎΠ½Ρ‚Ρ€ΠΎΠ»ΡŒ Π½Π°Π΄ Ρ€Π°Π·Π»ΠΈΡ‡Π½Ρ‹ΠΌΠΈ ΠΏΡ€ΠΎΠΌΡ‹ΡˆΠ»Π΅Π½Π½Ρ‹ΠΌΠΈ процСссами с ΠΌΠ½ΠΎΠ³ΠΎΠ²Π°Ρ€ΠΈΠ°Π½Ρ‚Π½ΠΎΠΉ вСрсиСй ΠΈ ΠΌΠ°Ρ‚Ρ€ΠΈΡ†Π΅ΠΉ ΠΈΠ½Ρ‚Π΅Ρ€Π°ΠΊΡ‚ΠΎΡ€ΠΎΠ². GPC ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅Ρ‚ΡΡ Π² Ρ€Π°Π·Π»ΠΈΡ‡Π½Ρ‹Ρ… отраслях ΠΏΡ€ΠΎΠΌΡ‹ΡˆΠ»Π΅Π½Π½ΠΎΡΡ‚ΠΈ, Ρ‚Π°ΠΊΠΈΡ… ΠΊΠ°ΠΊ Ρ†Π΅ΠΌΠ΅Π½Ρ‚Π½Ρ‹Π΅ Π·Π°Π²ΠΎΠ΄Ρ‹, Ρ€ΠΎΠ±ΠΎΡ‚ΠΎΡ‚Π΅Ρ…Π½ΠΈΠΊΠ°, распылСниС ΠΈ Ρ‚.Β Π΄.Β 

    • РаспознаваниС рукописного Π²Π²ΠΎΠ΄Π°

    SVM ΡˆΠΈΡ€ΠΎΠΊΠΎ ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅Ρ‚ΡΡ для распознавания рукописных символов ΠΈ ΠΈΡ… сравнСния с ΡƒΠΆΠ΅ ΡΡƒΡ‰Π΅ΡΡ‚Π²ΡƒΡŽΡ‰ΠΈΠΌΠΈ Π΄Π°Π½Π½Ρ‹ΠΌΠΈ.

    • ΠšΠ»Π°ΡΡΠΈΡ„ΠΈΠΊΠ°Ρ†ΠΈΡ ΠΈΠ·ΠΎΠ±Ρ€Π°ΠΆΠ΅Π½ΠΈΠΉ

    ΠšΡƒΡ€ΡΡ‹, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ ΠΌΠΎΠ³ΡƒΡ‚ Π²Π°ΠΌ ΠΏΠΎΠ½Ρ€Π°Π²ΠΈΡ‚ΡŒΡΡ

    По ΡΡ€Π°Π²Π½Π΅Π½ΠΈΡŽ с Ρ‚Ρ€Π°Π΄ΠΈΡ†ΠΈΠΎΠ½Π½Ρ‹ΠΌΠΈ ΠΌΠ΅Ρ‚ΠΎΠ΄Π°ΠΌΠΈ поиска Π½Π° основС запросов SVM обСспСчиваСт Π±ΠΎΠ»Π΅Π΅ Π²Ρ‹ΡΠΎΠΊΡƒΡŽ Ρ‚ΠΎΡ‡Π½ΠΎΡΡ‚ΡŒ поиска ΠΈ классификации ΠΈΠ·ΠΎΠ±Ρ€Π°ΠΆΠ΅Π½ΠΈΠΉ Π½Π° основС Ρ€Π°Π·Π»ΠΈΡ‡Π½Ρ‹Ρ… ΠΏΡ€ΠΈΠ·Π½Π°ΠΊΠΎΠ².

    ΠŸΠΎΡΡ‚Ρ€ΠΎΠ΅Π½ΠΈΠ΅ ΠΌΠΎΠ΄Π΅Π»ΠΈ классификации ΠΌΠ°ΡˆΠΈΠ½Ρ‹ ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ² Π² машинном ΠΎΠ±ΡƒΡ‡Π΅Π½ΠΈΠΈ с использованиСм Python

    ΠŸΠΎΡΡ‚Π°Π½ΠΎΠ²ΠΊΠ° Π·Π°Π΄Π°Ρ‡ΠΈ: ИспользованиС машинного обучСния для прогнозирования случаСв Ρ€Π°ΠΊΠ° ΠΌΠΎΠ»ΠΎΡ‡Π½ΠΎΠΉ ΠΆΠ΅Π»Π΅Π·Ρ‹ с использованиСм истории лСчСния ΠΏΠ°Ρ†ΠΈΠ΅Π½Ρ‚Π° ΠΈ Π΄Π°Π½Π½Ρ‹Ρ… ΠΎ состоянии Π·Π΄ΠΎΡ€ΠΎΠ²ΡŒΡ ΠŸΠΎΡΡ‚Ρ€ΠΎΠ΅Π½ΠΈΠ΅ ΠΌΠΎΠ΄Π΅Π»ΠΈ классификации: машина ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ² Π² Python
    Π”Π°Π²Π°ΠΉΡ‚Π΅ построим модСль классификации с ΠΏΠΎΠΌΠΎΡ‰ΡŒΡŽ Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌΠ° ΠΌΠ°ΡˆΠΈΠ½Ρ‹ ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ².
    Π¨Π°Π³ 1: Π—Π°Π³Ρ€ΡƒΠ·ΠΈΡ‚Π΅ Π±ΠΈΠ±Π»ΠΈΠΎΡ‚Π΅ΠΊΡƒ Pandas ΠΈ Π½Π°Π±ΠΎΡ€ Π΄Π°Π½Π½Ρ‹Ρ… с ΠΏΠΎΠΌΠΎΡ‰ΡŒΡŽ Pandas

    Π”Π°Π²Π°ΠΉΡ‚Π΅ посмотрим Π½Π° Ρ„ΠΎΡ€ΠΌΡƒ Π½Π°Π±ΠΎΡ€Π° Π΄Π°Π½Π½Ρ‹Ρ…:

    Π¨Π°Π³ 2: ΠžΠΏΡ€Π΅Π΄Π΅Π»ΠΈΡ‚Π΅ Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΈ ΠΈ Ρ†Π΅Π»ΡŒ

    ΠŸΠΎΡΠΌΠΎΡ‚Ρ€ΠΈΡ‚Π΅ Π½Π° Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΈ:

    ΠŸΠΎΡΠΌΠΎΡ‚Ρ€ΠΈΡ‚Π΅ Π½Π° Ρ†Π΅Π»ΡŒ:

    Π¨Π°Π³ 3: Π Π°Π·Π΄Π΅Π»ΠΈΡ‚Π΅ Π½Π°Π±ΠΎΡ€ Π΄Π°Π½Π½Ρ‹Ρ… Π½Π° ΠΏΠΎΠ΅Π·Π΄ ΠΈ протСстируйтС с ΠΏΠΎΠΌΠΎΡ‰ΡŒΡŽ sklearn ΠΏΠ΅Ρ€Π΅Π΄ построСниСм ΠΌΠΎΠ΄Π΅Π»ΠΈ Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌΠ° SVM

    Π¨Π°Π³ 4: Π˜ΠΌΠΏΠΎΡ€Ρ‚ΠΈΡ€ΡƒΠΉΡ‚Π΅ Ρ„ΡƒΠ½ΠΊΡ†ΠΈΡŽ классификатора ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ² ΠΈΠ»ΠΈ Ρ„ΡƒΠ½ΠΊΡ†ΠΈΡŽ SVC ΠΈΠ· модуля Sklearn SVM. Π‘ΠΎΠ·Π΄Π°ΠΉΡ‚Π΅ модСль ΠΌΠ°ΡˆΠΈΠ½Ρ‹ ΠΎΠΏΠΎΡ€Π½Ρ‹Ρ… Π²Π΅ΠΊΡ‚ΠΎΡ€ΠΎΠ² с ΠΏΠΎΠΌΠΎΡ‰ΡŒΡŽ Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΈ SVC

    Step 5: Predict values ​​using the SVM algorithm model

    Step 6: Evaluate the Support Vector Machine model

    Implementing Kernel SVM with Sklearn SVM module

    Go through these Artificial Intelligence Π˜Π½Ρ‚Π΅Ρ€Π²ΡŒΡŽ Вопросы ΠΈ ΠΎΡ‚Π²Π΅Ρ‚Ρ‹, Ρ‡Ρ‚ΠΎΠ±Ρ‹ ΠΏΡ€Π΅ΡƒΡΠΏΠ΅Ρ‚ΡŒ Π² вашСм ИИ-ΠΈΠ½Ρ‚Π΅Ρ€Π²ΡŒΡŽ.

    ПолиномиальноС ядро ​​SVM

    Π˜ΠΌΠΏΠΎΡ€Ρ‚ Π±ΠΈΠ±Π»ΠΈΠΎΡ‚Π΅ΠΊ:
    Π˜ΠΌΠΏΠΎΡ€Ρ‚ Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΈ SVC ΠΈ настройка ядра ΠΊΠ°ΠΊ Β«ΠΏΠΎΠ»ΠΈΒ»:

    Making predictions:

    Evaluating the model:

    Gaussian Kernel

    Importing the SVC function and setting kernel as 'rbf':

    Making predictions:

    For the best ΠΊΠ°Ρ€ΡŒΠ΅Ρ€Π½ΠΎΠ³ΠΎ роста, ΠΎΠ·Π½Π°ΠΊΠΎΠΌΡŒΡ‚Π΅ΡΡŒ с сСртификациСй машинного обучСния Intellipaat ΠΈ ΠΏΠΎΠ»ΡƒΡ‡ΠΈΡ‚Π΅ сСртификат.

    Π―Π΄Ρ€ΠΎ сигмовидной Ρ„ΠΎΡ€ΠΌΡ‹

    Π˜ΠΌΠΏΠΎΡ€Ρ‚ Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΈ SVC ΠΈ настройка ядра SVM ΠΊΠ°ΠΊ «сигмовидной»:

    ΠŸΡ€ΠΎΠ³Π½ΠΎΠ·ΠΈΡ€ΠΎΠ²Π°Π½ΠΈΠ΅:

    ΠžΡ†Π΅Π½ΠΊΠ° ΠΌΠΎΠ΄Π΅Π»ΠΈ:

    Π§Ρ‚ΠΎ ΠΌΡ‹ ΡƒΠΆΠ΅ ΡƒΠ·Π½Π°Π»ΠΈ?

    Π’ этом ΡƒΡ‡Π΅Π±Π½ΠΎΠΌ Π±Π»ΠΎΠ³Π΅ SVM ΠΌΡ‹ ΠΎΡ‚Π²Π΅Ρ‚ΠΈΠ»ΠΈ Π½Π° вопрос: Β«Π§Ρ‚ΠΎ Ρ‚Π°ΠΊΠΎΠ΅ SVM?Β» Π’ этом Π±Π»ΠΎΠ³Π΅ Ρ‚Π°ΠΊΠΆΠ΅ освСщСны Π½Π΅ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ Π΄Ρ€ΡƒΠ³ΠΈΠ΅ Π²Π°ΠΆΠ½Ρ‹Π΅ понятия, Ρ‚Π°ΠΊΠΈΠ΅ ΠΊΠ°ΠΊ полная Ρ„ΠΎΡ€ΠΌΠ° SVM, ΠΏΠ»ΡŽΡΡ‹ ΠΈ минусы Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌΠ° SVM ΠΈ ΠΏΡ€ΠΈΠΌΠ΅Ρ€Ρ‹ SVM.