私はサポートベクターマシンの基本を理解しようとしており、多くのオンライン記事をダウンロードして読んでいます。しかし、それでもそれを把握することはできません。
何かあれば知りたいのですが
- 素敵なチュートリアル
- 理解に使用できるサンプルコード
または何か、あなたが考えることができ、それは私がSVMの基本を簡単に学ぶことを可能にするでしょう。
PS：私はどういうわけかPCA（主成分分析）を学ぶことができました。ところで、皆さんは私が機械学習に取り組んでいると推測しているでしょう。
質問する
20239 次
6 に答える
46
SVMのチュートリアルの標準的な推奨事項は、ChristopherBurgesによるパターン認識のサポートベクターマシンに関するチュートリアルです。SVMについて学ぶもう1つの良い場所は、スタンフォード大学の機械学習コースです（SVMについては講義6〜8で説明しています）。これらは両方とも非常に理論的であり、数学に重きを置いています。
ソースコードは; SVMLight、libsvm、TinySVMはすべてオープンソースですが、コードを理解するのは簡単ではありません。それぞれを詳しく調べたわけではありませんが、TinySVMのソースがおそらく最も理解しやすいものです。このホワイトペーパーには、SMOアルゴリズムの擬似コード実装もあります。
于 2009-07-02T07:28:36.250 に答える
18
これは、SVMに関する非常に優れた初心者向けチュートリアルです。
StompChickenが推奨するチュートリアルは、境界やVC統計について話したり、最適なマシンなどを見つけようとしたりするという点で、少し混乱しているといつも思っていました。ただし、基本をすでに理解しているとよいでしょう。
于 2009-11-06T16:16:18.270 に答える
11
SVMに関する多くのビデオ講義：http：
//videolectures.net/Top/Computer_Science/Machine_Learning/Kernel_Methods/Support_Vector_Machines/
コリン・キャンベルの作品はとても便利だと思いました。
于 2009-09-07T22:31:01.743 に答える
9
libsvmのSVM分類の実用ガイドPyMLの
チュートリアルPyMLのチュートリアル1は実用的であり、3は理解しやすい
と思います。
于 2009-07-02T05:14:03.790 に答える
5
基本（たとえば、最大マージン分類器、カーネルの構築）を知っていると仮定して、そのスタンフォード大学の機械学習コースの問題セット2（配布物＃5）を解決します。答えの鍵があり、彼はプロセス全体を通してあなたの手を握っています。講義ノート3とビデオ＃7-8を参照として使用してください。
基本がわからない場合は、以前のビデオをご覧ください。
于 2009-07-03T02:00:42.610 に答える
3
Rのコピーを取得し、libsvmを適切にラップするe1071パッケージをインストールして、お気に入りのデータセットで良好な結果を取得しようとします。
PCAを理解したばかりの場合は、ケースよりもはるかに多くの予測子（たとえば、マイクロアレイ遺伝子発現プロファイル、時系列、分析化学からのスペクトルなど）を含むデータを調べ、PCAの予測子の線形回帰を比較することが有益な場合があります。生の予測子にSVMを使用します。
他の回答には多くのすばらしい参考文献がありますが、中身を読む前にブラックボックスをいじってみる価値があると思います。
于 2009-07-09T16:21:37.980 に答える