Mówca
Jakub Dyrcz
(Studenckie Koło Naukowe Matematyków Politechniki Krakowskiej)
Opis
W trakcie referatu przedstawimy zarówno podstawy teoretyczne maszyny wektorów nośnych (Support Vector Machine, SVM), jak i jej praktyczne zastosowania. Zaczniemy od pojęcia klasyfikacji i ogólnej idei SVM. Omówimy dokładnie funkcje kosztu oraz związki SVM z przestrzeniami Hilberta z jądrem reprodukującym. Porównamy -- pod kątem zastosowań -- jądra liniowe, wielomianowe i gaussowskie (a więc te, które najczęściej pojawiają się w kontekście SVM). Następnie zajmiemy się maszyną wektorów nośnych dla metody najmniejszych kwadratów (LS-SVM) oraz klasyfikacją obejmującą więcej niż dwie klasy (Multiclass SVM). Na zakończenie zaprezentujemy implementację pewnego modelu SVM w języku Python.
Główny autor
Jakub Dyrcz
(Studenckie Koło Naukowe Matematyków Politechniki Krakowskiej)
