좋은 SVM 튜토리얼에 대한 포인터 [폐쇄

Question

지원 벡터 머신의 기본 사항을 파악하고 많은 온라인 기사를 다운로드하여 읽으려고 노력했습니다. 그러나 여전히 이해할 수 없습니다.

알고 싶습니다.

• 좋은 튜토리얼
• 이해에 사용할 수있는 샘플 코드

또는 당신이 생각할 수있는 것, 그리고 그것은 내가 SVM 기본 사항을 쉽게 배울 수있게 해줄 것입니다.

추신 : 어떻게 든 PCA를 배웠습니다 (주요 구성 요소 분석). BTW, 여러분은 내가 기계 학습을하고 있다고 추측했을 것입니다.

Answer 1

SVMS의 튜토리얼에 대한 표준 권장 사항은 다음과 같습니다 패턴 인식을위한 지원 벡터 머신에 대한 튜토리얼 Christopher Burges. SVM에 대해 배울 수있는 또 다른 좋은 곳입니다 기계 학습 과정 스탠포드에서 (SVM은 강의 6-8로 덮여 있음). 이 두 가지 모두 수학에 대해 상당히 이론적이고 무겁습니다.

소스 코드에 관해서는; svmlight, libsvm 그리고 tinysvm 모두 오픈 소스이지만 코드는 따라 가기가 쉽지 않습니다. 나는 그들 각각을 매우 면밀히 보지 않았지만 Tinysvm의 소스는 아마도 가장 이해하기 쉬운 것일 것입니다. SMO 알고리즘의 의사 코드 구현도 있습니다. 이 종이.

Answer 2

이것은 SVM에 대한 아주 좋은 초보자 자습서입니다.

SVM이 설명했습니다

나는 항상 Stompchicken의 추천 튜토리얼이 바운드와 VC 통계에 대해 이야기하고 최적의 기계를 찾으려고 노력하는 방식이 약간 혼란 스럽다고 생각했습니다. 그래도 기본 사항을 이미 이해한다면 좋습니다.

Answer 3

SVM에 대한 많은 비디오 강의 :
http://videolectures.net/top/computer_science/machine_learning/kernel_methods/support_vector_machines/

나는 하나를 찾았다 콜린 캠벨 매우 유용합니다.

Answer 4

SVM 분류에 대한 실용 가이드 ~을 위한 libsvm
PYML 튜토리얼 ~을 위한 pyml제 생각에는 1 사용하기에 실용적이며 3 이해가 명확합니다.

Answer 5

기본 사항을 알고 있다고 가정하면 (예 : 최대 마진 분류기, 커널 구성) 해결 문제 세트 2 (유인물 #5) 스탠포드 머신 러닝 과정의. 답변 키가 있고 그는 전체 과정을 통해 손을 잡고 있습니다. 사용 강의 노트 3 & 비디오 #7-8 참조로.

기본 사항을 모르는 경우 이전 비디오를보십시오.

Answer 6

나는 사본을 잡을 것이다 아르 자형, 설치 E1071 멋지게 포장하는 패키지 libsvm, 그리고 좋아하는 데이터 세트에서 좋은 결과를 얻으십시오.

PCA를 방금 알아 냈다면 사례 (예 : 마이크로 어레이 유전자 발현 프로파일, 시계열, 분석 화학의 스펙트럼 등)보다 많은 예측 변수가있는 데이터를 보는 것이 유익 할 수 있습니다. 원시 예측 변수에 SVM이 있습니다.

다른 답변에는 많은 참고 문헌이 있지만, 내부의 내용을 읽기 전에 블랙 박스를 가지고 놀 때 가치가 있다고 생각합니다.