Abstract | Keywords | Fulltext | Export | TOC

AbstractSupport vector machine initially developed to perform binary classification. This paper presents a multi-class support vector machine classifier and ordinal regression to classify the type of bone mineral density. This paper compares the performance of four multi-class approaches, one-against-all, one-against-one, Weston and Watkins, and Crammer and Singer. Results from our real life data conclude that Crammer and Singer may be better approach depending on training error and the percentage of correctly classified test data. Also, we find that the training error becomes more less when the regulization parameter and kernel parameter become large.

يستخدم اسلوب الة المتجه الداعم للتصنيف الثنائي عندما يكون متغير الاستجابة ذا صفتين. يهدف هذا البحث الى تقديم مفهوم اسلوب الة المتجه الداعم للتصنيف المتعدد الحالات وكذلك الانحدار الترتيبي لتصنيف نوع كثافة العظم. يقوم هذا البحث بمقارنة اربعة اساليب من اساليب المتجه الداعم للتصنيف المتعدد الحالات OAA, OAO, WW, و CS . وقد أظهرت النتائج التي حصلنا عليها بان اسلوب CS يكون افضل اسلوب تصنيفي متعدد الحالات بالاعتماد على خطأ التدريب والنسبة المئوية للتصنيف الصحيح لمجموعة الاختبار ، كذلك وجدنا ان خطأ التدريب يصبح اقل كلما ازدات قيمة المعلمة و المعلمة .

Data mining support vector machine --- quadratic programming --- multi-class classification --- ordinal regression