Metoda podpornih vektorjev - 2

author: Janez Brank, Artificial Intelligence Laboratory, Jožef Stefan Institute
published: Feb. 25, 2007,   recorded: March 2003,   views: 162

Related content

Report a problem or upload files

If you have found a problem with this lecture or would like to send us extra material, articles, exercises, etc., please use our ticket system to describe your request and upload the data.
Enter your e-mail into the 'Cc' field, and we will keep you updated with your request's status.
Lecture popularity: You need to login to cast your vote.
  Bibliography

Description

Predstavil bom metodo podpornih vektorjev (support vector machine, SVM). To je relativno nov algoritem (pravzaprav bolj družina algoritmov) s področja strojnega učenja.
Prvotna različica algoritma je zamišljena za klasifikacijske probleme z dvema razredoma, obstajajo pa tudi razširitve za več razredov in za regresijske probleme.
SVM ima dobro teoretično podlago, obenem pa se dobro obnese tudi na realističnih podatkih z raznih problemskih področij.

V prvem delu seminarja (v torek) bom opisal, kako si SVM zastavi učenje kot optimizacijski problem in kako ta problem s pomočjo prijemov iz matematike (teorija optimizacije) predelamo v bolj obvladljivo dualno obliko, ki jo lahko rešujemo numerično.

V drugem delu (v četrtek) bom opisal, kako lahko z uporabo t.im. jeder iščemo namesto linearnih tudi nelinearne modele, pri tem pa ostane optimizacijsko ogrodje praktično nespremenjeno. Predstavil bom se nekaj razširitev SVMja (vec kot dva razreda, regresija, transdukcija), nekaj prosto dostopnih implementacij SVMja in nekaj literature o SVMjih.

Namen seminarja je, da bi lahko poslušalec metodo podpornih vektorjev uporabljal ne zgolj kot črno skatlico, ampak bi si tudi malo predstavljal, kako ta škatlica deluje.

Link this page

Would you like to put a link to this lecture on your homepage?
Go ahead! Copy the HTML snippet !

Write your own review or comment:

make sure you have javascript enabled or clear this field: