TAILIEUCHUNG - Bài giảng Nhập môn Học máy và Khai phá dữ liệu - Chương 11: Máy vector hỗ trợ (SVM)

Bài giảng Nhập môn Học máy và Khai phá dữ liệu - Chương 11: Máy vector hỗ trợ (SVM). Chương này cung cấp cho học viên những nội dung về: giới thiệu máy vectơ hỗ trợ; siêu phẳng phân tách; phân tách tuyến tính (linear separability); bài toán cực tiểu hóa có ràng buộc đẳng thức; . Mời các bạn cùng tham khảo chi tiết nội dung bài giảng! | 1 Nhập môn Học máy và Khai phá dữ liệu IT3190 2 Nội dung môn học Lecture 1 Giới thiệu về Học máy và khai phá dữ liệu Lecture 2 Thu thập và tiền xử lý dữ liệu Lecture 3 Hồi quy tuyến tính Linear regression Lecture 4 5 Phân cụm Lecture 6 Phân loại và Đánh giá hiệu năng Lecture 7 dựa trên láng giềng gần nhất KNN Lecture 8 Cây quyết định và Rừng ngẫu nhiên Lecture 9 Học dựa trên xác suất Lecture 10 Mạng nơron Neural networks Lecture 11 Máy vector hỗ trợ SVM Lecture 12 Khai phá tập mục thường xuyên và các luật kết hợp Lecture 13 Thảo luận ứng dụng học máy và khai phá dữ liệu trong thực tế 3 Máy vectơ hỗ trợ Giới thiệu 1 Máy vectơ hỗ trợ Support vector machine - SVM được đề cử bởi V. Vapnik và các đồng nghiệp của ông vào những năm 1970s ở Nga và sau đó đã trở nên nổi tiếng và phổ biến vào những năm 1990s SVM là một phương pháp phân lớp tuyến tính linear classifier với mục đích xác định một siêu phẳng hyperplane để phân tách hai lớp của dữ liệu. Ví dụ lớp có nhãn dương positive và lớp có nhãn âm negative Các hàm nhân kernel functions cũng được gọi là các hàm biến đổi transformation functions được dùng cho các trường hợp phân lớp phi tuyến 4 Máy vectơ hỗ trợ Giới thiệu 2 SVM có một nền tảng lý thuyết chặt chẽ SVM là một phương pháp tốt phù hợp đối với những bài toán phân lớp có không gian rất nhiều chiều các đối tượng cần phân lớp được biểu diễn bởi một tập rất lớn các thuộc tính SVM đã được biết đến là một trong số các phương pháp phân lớp tốt nhất đối với các bài toán phân lớp văn bản text classification 5 Máy vectơ hỗ trợ Giới thiệu 3 Các vectơ được ký hiệu bởi các chữ đậm nét Biểu diễn tập r các quan sát x1 y1 x2 y2 xr yr xi là một vectơ đầu vào được biểu diễn trong không gian X Rn yi là một nhãn lớp giá trị đầu ra yi 1 -1 yi 1 lớp dương positive yi -1 lớp âm negative SVM xác định một hàm phân tách tuyến tính f x w x b w là vectơ trọng số các thuộc tính b là một giá trị số thực 1 if w xi b 0 Sao cho với mỗi xi yi 1 if w xi b 0 6 Siêu phẳng phân tách Siêu .

• Cơ sở dữ liệu
• Bài giảng Nhập môn Học máy và Khai phá dữ liệu
• Nhập môn Học máy và Khai phá dữ liệu
• Máy vector hỗ trợ (SVM)
• Phân tách tuyến tính
• Tập điều kiện Karush Kuhn Tucker
• Biểu thức đối ngẫu
• Học máy và khai phá dữ liệu
• Khai phá dữ liệu
• Kiểu dữ liệu có cấu trúc
• Kiểu dữ liệu phi cấu trúc
• Machine learning
• Data mining
• Khai phá tập mục thường xuyên
• Mô hình luật kết hợp
• Giải thuật Apriori
• Khai phá luật kết hợp
• Phương pháp học máy
• Thư viện Scikit learn
• Học dựa trên xác suất
• Thu thập dữ liệu
• Tiền xử lý dữ liệu
• Lựa chọn dữ liệu
• Chuyển đổi dữ liệu
• Tập dữ liệu
• Dữ liệu chuỗi di truyền
• Biểu đồ histogram
• Đánh giá hiệu năng hệ thống học máy
• Học có giám sát
• Multi class classification
• Multi label classification
• Quá trình học máy
• Phương pháp học hồi quy
• Phương pháp học quy nạp luật
• Phương pháp học cây quyết định
• Đánh giá hiệu năng hệ thống
• Tiêu chí đánh giá hiệu năng hệ thống
• Nguyên lý Occam’s razor
• Máy vectơ hỗ trợ
• Support vector machine
• Mặt siêu phẳng phân tách
• Lý thuyết tối ưu có ràng buộc
• Bài toán phân lớp
• Học dựa trên các láng giềng gần nhất
• Nearest neighbors learning
• Giải thuật phân lớp k NN
• Bài toán phân cụm
• Phân cụm dựa trên phân tách k Means
• Phân cụm phân cấp HAC
• Cây quyết định
• Rừng ngẫu nhiên
• Học cây quyết định bằng ID3
• Biểu diễn cây quyết định
• Bài toán hồi quy
• Hồi quy tuyến tính
• Hàm đánh giá lỗi
• Giải thuật hồi quy tuyến tính
• Bài toán phát hiện luật kết hợp
• Chiến lược sinh tập mục thường xuyên
• Tập mục thường xuyên
• Mạng nơron nhân tạo
• Artificial neural network
• Mạng nơ ron học sâu
• Quy tắc học trọng số tổng quát
• Học dựa trên láng giềng gần nhất
• K nearest neighbors (k NN)
• Hàm tính khoảng cách
• Hàm khoảng cách Euclid
• Mô hình hóa xác suất
• Lý thuyết xác suất cơ bản
• Biến ngẫu nhiên nhị phân
• Naïve gradient decent
• Huấn luyện K means
• Thuật toán EM
• Phương pháp học dựa trên xác suất
• Probabilistic learning
• Biến ngẫu nhiên đa trị
• Biểu diễn xác suất
• Decision tree
• Học cây quyết định
• Linear regression
• Thuật toán bình phương tối thiểu
• Mạng nơron
• Neural networks
• Mạng nơ ron nhân tạo
• Giải thuật học lan truyền ngược
• Giải thuật phân cụm
• Đánh giá chất lượng phân cụm
• Phương pháp K means
• Thuật toán Online K means