Машина опорных векторов
Материал из MachineLearning.
(Различия между версиями)
(викификация) |
|||
| Строка 1: | Строка 1: | ||
| - | '''Машина опорных векторов''' | + | '''Машина опорных векторов''' — является одной из наиболее популярных методологий обучения по прецедентам, предложенной [[Вапник, Владимир Наумович|{{S|В. Н. Вапником}}]] и известной в англоязычной литературе под названием SVM (Support Vector Machine). |
Оптимальная разделяющая гиперплоскость. Понятие зазора между классами (margin). Случай линейной разделимости. Задача квадратичного программирования. Опорные векторы. Случай отсутствия линейной разделимости. Функции ядра (kernel functions), спрямляющее пространство, теорема Мерсера. Способы построения ядер. Примеры ядер. Сопоставление SVM и нейронной RBF-сети. Обучение SVM методом активных ограничений. SVM-регрессия. | Оптимальная разделяющая гиперплоскость. Понятие зазора между классами (margin). Случай линейной разделимости. Задача квадратичного программирования. Опорные векторы. Случай отсутствия линейной разделимости. Функции ядра (kernel functions), спрямляющее пространство, теорема Мерсера. Способы построения ядер. Примеры ядер. Сопоставление SVM и нейронной RBF-сети. Обучение SVM методом активных ограничений. SVM-регрессия. | ||
| - | + | {{Заготовка}} | |
== Машина опорных векторов в задачах классификации == | == Машина опорных векторов в задачах классификации == | ||
| + | |||
=== Понятие оптимальной разделяющей гиперплоскости === | === Понятие оптимальной разделяющей гиперплоскости === | ||
=== Линейно разделимая выборка === | === Линейно разделимая выборка === | ||
| + | |||
=== Линейно неразделимая выборка === | === Линейно неразделимая выборка === | ||
=== Ядра и спрямляющие пространства === | === Ядра и спрямляющие пространства === | ||
| + | |||
=== Алгоритмы настройки === | === Алгоритмы настройки === | ||
| Строка 17: | Строка 20: | ||
== Литература == | == Литература == | ||
| - | #''Вапник В. Н.'' Восстановление зависимостей по эмпирическим данным. | + | # ''Вапник В. Н.'' Восстановление зависимостей по эмпирическим данным. — М.: Наука, 1979. |
== Ссылки == | == Ссылки == | ||
* [[Машинное обучение (курс лекций, К.В.Воронцов)]] | * [[Машинное обучение (курс лекций, К.В.Воронцов)]] | ||
| + | |||
| + | [[Категория:Классификация]] | ||
| + | [[Категория:Энциклопедия анализа данных]] | ||
Версия 06:08, 13 мая 2008
Машина опорных векторов — является одной из наиболее популярных методологий обучения по прецедентам, предложенной В. Н. Вапником и известной в англоязычной литературе под названием SVM (Support Vector Machine).
Оптимальная разделяющая гиперплоскость. Понятие зазора между классами (margin). Случай линейной разделимости. Задача квадратичного программирования. Опорные векторы. Случай отсутствия линейной разделимости. Функции ядра (kernel functions), спрямляющее пространство, теорема Мерсера. Способы построения ядер. Примеры ядер. Сопоставление SVM и нейронной RBF-сети. Обучение SVM методом активных ограничений. SVM-регрессия.
Содержание |
Машина опорных векторов в задачах классификации
Понятие оптимальной разделяющей гиперплоскости
Линейно разделимая выборка
Линейно неразделимая выборка
Ядра и спрямляющие пространства
Алгоритмы настройки
Машина опорных векторов в задачах регрессии
Программные реализации
Литература
- Вапник В. Н. Восстановление зависимостей по эмпирическим данным. — М.: Наука, 1979.
