У математиці, доре́чно-ве́кторна маши́на (ДВМ, ) — це методика машинного навчання, яка використовує баєсове висновування для отримання ощадливих розв'язків для регресії та ймовірнісної класифікації. ДВМ має однаковий функційний вигляд з опорно-векторною машиною, але забезпечує ймовірнісну класифікацію.
Вона фактично рівнозначна моделі ґаусового процесу з
де є (зазвичай ґаусовою), є дисперсіями апріорних значень елементів вектора вагових коефіцієнтів , а є вхідними векторами тренувального набору.
У порівнянні з опорно-векторними машинами (ОВМ, ), баєсове формулювання ДВМ уникає набору вільних параметрів, як в ОВМ (які зазвичай вимагають післяоптимізацій на основі перехресної перевірки). Проте ДВМ використовують метод навчання, подібний до очікування-максимізації, і відтак схильні до ризику локальних мінімумів. Це відрізняється від стандартних алгоритмів на основі послідовної мінімальної оптимізації (ПМО), що використовують ОВМ, які гарантують знаходження глобального оптимуму (для опуклої задачі).
Доречно-векторну машину компанією Microsoft.
Див. також Ядровий трюк : перетворює ОВМ на ймовірнісну модель
Примітки
Програмне забезпечення dlib , бібліотека для C++ The Kernel-Machine Library , бібліотека для C++ rvmbinary , пакет R для бінарної класифікації scikit-rvm fast-scikit-rvm , rvm tutorial
Посилання Сторінка Тіппінга про Розріджені баєсові моделі та ДВМ Підручник з ДВМ від Тристана Флетчера Прикладний посібник із ДВМ Порівняння ДВМ та ОВМ