استفاده از تئوری بازی در خطی سازی SVM و مقایسه آن با روشهای سنتی SVM

یکی از الگوریتم های شناخته شده کلاسبندی مبتنی بر علم امار SVM می باشد که برای حل مسائل دو کلاسه ارایه شده است با توجه به اینکه در محیط و داده های واقعی مساله معمولا چند کلاسه multiclass می باشد روشهای جداسازی چند کلاسه نسبت به باینری اهمیت بسزایی دارد از روشهای مهم کلاسه بندی چند کلاسه به کمک کلاسه کننده های دودویی می توان به One Against One و One Against All اشاره کرد که در صورت انتخاب هسته مناسب برای SVM و تنظیم پارامترهای مربوطه می توان به دقت بالایی دست یافت . این در حالی است که انتخاب هسته مناسب و تنظیم پارامترها مسئله کلاس بندی را غیرخطی می نماید که به نوبه خود می تواند باعث افت دقت مدل شود. دراین مقاله برای حل مشکل پیچیدگی مدل و افت دقت حاصل از آن از تئوری بازی استفاده می شود. تئوری بازی قادر خواهد بود مسئله غیرخطی مورد نظر ما را به یک مسئله خطی نگاشت نماید. تئوری بازی ارایه شده با استفاده از دو بازیکن که در مسئله مورد نظر ما هر بازیکن معادل یک برچسب کلاس است ماتریس تصمیم بین آنها و حل معادلات حاصل به کمک برنامه ریزی خطی احتمال داده در هر کلاس را محاسبه می نماید.

کلیدواژه ها:

جداسازی چند کلاسه ، SVM ، تئوری بازی ، برنامه ریزی خطی