Wskazówki do jakiegoś dobrego samouczka SVM [zamknięty]
Próbowałem zrozumieć podstawy maszyn wektorowych wsparcia i pobrałem i przeczytałem wiele artykułów online. Ale nadal nie jestem w stanie tego pojąć.
Chciałbym wiedzieć, czy są jakieś
- fajny tutorial
- przykładowy kod, który można wykorzystać do zrozumienia
Lub coś, co możesz wymyślić, a to pozwoli mi łatwo nauczyć się podstaw SVM.
PS: jakoś udało mi się nauczyć PCA (Principal Component Analysis). BTW, wy zgadłbym, że pracuję nad uczeniem maszynowym.
6 answers
Standardową rekomendacją dla samouczka w SVMs jest samouczek na maszynach wektorowych wspomagających rozpoznawanie wzorców autorstwa Christophera Burgesa. Innym dobrym miejscem do nauki o maszynach SVM jest Kurs Machine Learning w Stanford (maszyny SVM są objęte wykładami 6-8). Oba są dość teoretyczne i ciężkie w matematyce.
Co do kodu źródłowego; SVMLight, libsvm i TinySVM są otwarte, ale kod nie jest łatwy do naśladowania. I nie przyjrzałem się każdemu z nich bardzo uważnie, ale źródło TinySVM jest prawdopodobnie najłatwiejsze do zrozumienia. Istnieje również pseudokodowa implementacja algorytmu SMO w w tym artykule.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2013-07-03 14:01:05
Jest to bardzo dobry samouczek dla początkujących na SVM:
Zawsze myślałem, że zalecany tutorial StompChicken był nieco mylący w sposób, w jaki przeskakują od razu do mówienia o granicach i statystykach VC, próbując znaleźć optymalną maszynę i takie tam. Dobrze, jeśli już rozumiesz podstawy.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-01-08 01:33:40
Mnóstwo wykładów wideo na SVM:
http://videolectures.net/Top/Computer_Science/Machine_Learning/Kernel_Methods/Support_Vector_Machines/
Uważam, że ten przez Colina Campbella jest bardzo przydatny.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2009-09-07 22:31:01
Praktyczny przewodnik po klasyfikacji SVM dla libsvm
Pyml Tutorial for PyML
Myślę, że 1 jest praktyczny w użyciu, 3 jest jasne dla zrozumienia.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2009-07-02 05:14:03
Zakładając, że znasz podstawy (np. max margin classifiers, konstruowanie jądra), rozwiąż Problem Set 2 (handout #5) tego kursu uczenia maszynowego w stanford. Są klucze odpowiedzi i trzyma cię za rękę przez cały proces. Użyj notatki z wykładu 3 & wideo # 7-8 jako referencje.
Jeśli nie znasz podstaw, obejrzyj wcześniejsze filmy.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2009-07-03 02:11:01
Chciałbym pobrać kopię R, zainstalować e1071 pakiet, który ładnie zawija libsvm i spróbować uzyskać dobre wyniki na swoich ulubionych zestawach danych.
Jeśli właśnie zorientowali się PCA, może to być pouczające, aby spojrzeć na dane z o wiele więcej predyktorów niż przypadków (na przykład, profile ekspresji genów microarray, szeregi czasowe, Widma z chemii analitycznej, itp.) i porównać regresję liniową na predyktorach PCA ' D z SVM na predyktorach surowych.
Istnieją wiele świetnych odniesień w innych odpowiedziach, ale myślę, że warto bawić się czarną skrzynką, zanim przeczytasz, co jest w środku.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2009-07-09 16:21:37