サポート ベクター マシンとは

機械学習の分野では、サポート ベクター マシンは、分類と回帰分析のためにデータを検査する教師あり学習モデルです。 これらのモデルには、関連する学習アルゴリズムが付属しています。 AT&T Bell Laboratories の Vladimir Vapnik と彼の同僚がその作成を担当しました。 サポート ベクター マシン (SVM) は、Vapnik と Chervonenkis (1974 年) によって開発された統計学習フレームワークまたは VC 理論に基づいているため、最も正確な予測システムの 1 つです。 非確率的バイナリ線形分類器は、SVM トレーニング アルゴリズムに一連のトレーニング サンプルが与えられ、それぞれが 2 つのカテゴリのいずれかに属するものとしてマークされた場合に得られるものです。 次に、アルゴリズムは、後続の例を 2 つのカテゴリのいずれかに割り当てるか、どちらにも割り当てないモデルを開発します。 サポート ベクター マシン (SVM) は、2 つのカテゴリ間のサイズの差を最大化するような方法で、トレーニング サンプルを空間内の点に割り当てます。 その後、新しいサンプルが同じ空間にマッピングされ、ギャップのどちら側に該当するかに応じて、それらがどのカテゴリに属するかが予測されます。

どのようなメリットがあるか

(I) 次のトピックに関する洞察と検証:

第 1 章: サポート ベクター マシン

第 2 章: 線形分類器

第 3 章: パーセプトロン

第 4 章: 射影 (線形代数)

第 5 章: 線形分離性

第 6 章: カーネル法

第 7 章: 逐次最小最適化

第 8 章: 最小二乗サポート ベクター マシン

第 9 章: ヒンジ損失

第 10 章: 多項式 カーネル

(II) サポート ベクター マシンに関する一般のよくある質問に答える。

(III) 多くの分野でのサポート ベクター マシンの使用例の実例。

(IV) サポート ベクター マシンのテクノロジを 360 度完全に理解できるように、各業界の 266 の新興テクノロジを簡潔に説明する 17 の付録。

本書の対象者

専門家、学部生および大学院生、愛好家、愛好家、およびあらゆる種類のサポート ベクター マシンに関する基本的な知識や情報を超えたいと考えている人。