با سلام

این پست مربوط به فصل هشتم (قسمت ۲۹) از سری فیلم های آموزشی یادگیری ماشین می باشد.  فصل هشتم در پنج قسمت (۲۸-۳۲) به آموزش ماشین بردار پشتیبان SVM میپردازد.

فصل هشتم شامل زیر بخش های زیر می باشد:

۱- مفهوم حاشیه margin در SVM

۲- کلاس های قابل تفکیک در SVM

۳- آموزش Hinge Loss در SVM

۴- آموزش توابع کرنل Kernel Function در SVM

۵- پیاده سازی SVM در متلب

 

 

 آموزش کلاس های قابل تفکیک در SVM

 

 

مباحث  آموزش کلاس های قابل تفکیک در SVM – ماشین های بردار پشتیبان SVM

در قسمت بیستم و نهم موارد زیر آموزش داده می شود:

۱- بهینه سازی توابع با قید نامساوی

۲- کلاس های قابل تفکیک

————————————————————————————————————————————

سرفصل های این مجموعه آموزشی یادگیری ماشین در متلب شامل موارد زیر می باشد:

سرفصل های آموزش جامع یادگیری ماشین:

فصل اول: آمار مقدماتی

فصل دوم: مفهوم یادگیری نظارت شده

فصل سوم: رگرسیون خطی و رگرسیون منطقی

فصل چهارم: روش های طبقه بندی پارامتریک

فصل پنجم : شبکه های عصبی

فصل ششم: روش های طبقه بندی غیر پارامتریک

فصل هفتم: درخت تصمیم گیری

فصل هشتم : ماشین بردار پشتیبان SVM

فصل نهم: روش های ترکیبی Ensemble Methods

تذکر

کتاب یادگیری ماشین آلپایدین (Alpaydın) میتوانید از اینجا و کتاب میشل (Tom Mitchell) را نیز از اینجا دانلود نمایید.

دانلود رایگان اسلاید های  آموزش کلاس های قابل تفکیک در SVM – ماشین های بردار پشتیبان SVM

اسلایدهای این مجموعه آموزشی را می توانید از اینجا دانلود نمایید.

 

 

 آموزش کلاس های قابل تفکیک در SVM – ماشین های بردار پشتیبان SVM از آموزش های گام به گام یادگیری ماشین در متلب برای اولین بار در ایران تهیه و توسط یکی از مجربترین اسانید در زمینه هوش مصنوعی آموزش داده شده است.

این مجموعه آموزشی بسیار مناسب برای محققین و دانشجویان در مقاطع کارشناسی، کارشناسی ارشد و دکتری می باشد که قصد یادگیری این درس و همچنین استفاده ازالگوریتم های هوش مصنوعی در مقاله و پایان نامه خود را دارند

با تشکر

کلمه کلیدی:

ماشین های بردار پشتیبان, SVM , support vector machine ,Logistic regression,حاشیه,margin,Hinge Loss,Kernel trick,Kernel machines, رگرسیون, دسته بندی,کلاس بندی,classification,