Séance de cours
Soutenez des machines de vecteur : SVMs
Séances de cours associées (36)
Classeurs Max-Margin
Explore la maximisation des marges pour une meilleure classification à l'aide de machines vectorielles de support et l'importance de choisir le bon paramètre.
Modèles linéaires pour la classification
Couvre les modèles linéaires pour la classification, y compris la MVS, les limites de décision, les vecteurs de support et la dualité de Lagrange.
Classification binaireMOOC: IoT Systems and Industrial Applications with Design Thinking
Explique comment trouver le meilleur hyperplan pour séparer deux classes.
Modèles linéaires pour la classification
Explore les modèles linéaires, la régression logistique, les métriques de classification, la MVS et leur utilisation pratique dans les méthodes de science des données.
Soutenez des machines de vecteur
Introduit des machines vectorielles de support, couvrant la perte de charnière, la séparation hyperplane et la classification non linéaire à l'aide de noyaux.
SVM pour les jeux de données non séparables
Explique la MVS pour les ensembles de données non séparables, en introduisant des variables aléatoires et en optimisant la marge de classification.
Modèles linéaires pour la classification
Explore les modèles linéaires pour la classification, y compris les modèles paramétriques, la régression et la régression logistique, ainsi que les mesures d'évaluation des modèles et les classificateurs de marge maximum.
Machines vectorielles de soutien: SVM Basics
Couvre les bases de Support Vector Machines, en se concentrant sur les formulations de marge dure et de marge molle.
Vue d'ensemble de la machine à vecteur de soutien
Donne une vue d'ensemble des machines vectorielles de support, en comparant les avantages et les inconvénients de SVM avec d'autres classificateurs.
Modèles linéaires: Bases de classification
Explore des modèles linéaires pour la classification, la régression logistique, SVM, k-NN, et la malédiction de dimensionnalité.