Указатели на хороший учебник по SVM [закрыто]

Question

Я пытался понять основы машин опорных векторов, скачал и прочитал множество онлайн-статей.Но до сих пор не могу этого понять.

Я хотел бы знать, есть ли такие

• хороший урок
• пример кода, который можно использовать для понимания

или что-то такое, о чем вы можете подумать, и это позволит мне легко изучить основы SVM.

ПС:Мне каким-то образом удалось изучить PCA (анализ главных компонентов).Кстати, вы, ребята, уже догадались, что я работаю над машинным обучением.

Answer 1

Стандартная рекомендация для руководства по SVM: Учебное пособие по машинам опорных векторов для распознавания образов Кристофер Берджес.Еще одним хорошим местом для изучения SVM является Курс машинного обучения в Стэнфорде (SVM рассматриваются в лекциях 6–8).Оба они довольно теоретические и сложны в математике.

Что касается исходного кода; СВМЛайт, libsvm и ТиниСВМ все они с открытым исходным кодом, но за кодом не очень легко следить.Я не рассматривал каждый из них очень внимательно, но исходный код TinySVM, вероятно, самый простой для понимания.Существует также псевдокодовая реализация алгоритма SMO в Эта бумага.

Answer 2

Это очень хорошее руководство для начинающих по SVM:

SVM объяснил

Я всегда думал, что рекомендованное StompChicken руководство немного запутанное, поскольку оно сразу же переходит к разговорам о границах и статистике VC, а также к попыткам найти оптимальную машину и тому подобное.Хорошо, если вы уже понимаете основы.

Answer 3

Множество видеолекций по SVM:
http://videolectures.net/Top/Computer_Science/Machine_Learning/Kernel_Methods/Support_Vector_Machines/

Я нашел тот, который Колин Кэмпбелл быть очень полезным.

Answer 4

Практическое руководство по классификации SVM. для libsvm
Учебное пособие по PyML для ПиМЛЯ думаю 1 практична в использовании, 3 понятно для понимания.

Answer 5

Предполагая, что вы знаете основы (например, классификаторы максимального поля, построение ядра), решите Набор задач 2 (раздаточный материал №5) того Стэнфордского курса машинного обучения.Есть ключи для ответа, и он держит вас за руку на протяжении всего процесса.Использовать Конспект лекций 3 & видео №7-8 в качестве ссылок.

Если вы не знаете основ, посмотрите предыдущие видео.

Answer 6

Я бы взял копию р, установите е1071 упаковка, которая красиво упаковывает libsvm, и постарайтесь получить хорошие результаты на своих любимых наборах данных.

Если вы только что разобрались с PCA, возможно, было бы полезно просмотреть данные, содержащие гораздо больше предикторов, чем случаев (например, профили экспрессии генов на микрочипах, временные ряды, спектры аналитической химии и т. д.) и сравнить линейную регрессию для предикторов, полученных с помощью PCA. с SVM на необработанных преикторах.

В других ответах есть много отличных ссылок, но я думаю, что есть смысл поиграть с черным ящиком, прежде чем читать, что внутри.