Grundlagen von Support Vector Machines
Referent:
Termin: Samstag, 15:00 , Raum V2
Support Vector Machines (SVM) sind eine Technik des überwachten Lernens für mittlere Datenmengen für die Klassifikation bzw. Regression. Grundidee bei der Klassifikation ist die Konstruktion einer optimalen Trennebene zwischen den Punkten verschiedener Datenklassen. Zur Behandlung von Ausreißern werden Schlupfvariablen eingeführt, der Kerneltrick erlaubt eine einfache Behandlung nichtlinearer Trennungen. Das Training besteht hier im Erlernen der optimalen Parameter des zu lösenden konvexen Optimierungsproblems.
Erwünschte Vorkenntnisse: Grundlagen lineare Algebra.
Weitere Informationen: Kurz-Paper
Material zum Beitrag: Folien (727 KiB), Material (extern)
Download MP3 (35 MiB) Download OGG (28 MiB)