Index | About | Me | Jump to Menu Section

(MDC) Supervised Machine Learning II

§ Tips

§ SVM

§ Soft Margin Classification

§ Bibliotecas

§ SVM não Linear

idea geral: o espaço de caracteristcas original pode ser mapeado em outro espaço com dimensionaldiade mais alta

§ Kernel trick

“Mapeamento” dos dados em um novo espaço de alta dimensionaldiade. Com o kernel trick não precisamos explicitar calcular as coordenadas dos pontos no novo espaço, mas apenas o produto escalar entre os pares de pontos no novo espaço de caracteristicas. Este calculo é feito atráves de uma função kernel, a qual é pré-definida sendo apenas o hipereplano aprendido. Ou seja, o kernel é um hiperparametro.

§ SVR - Support Vector Regression

§ SVM - Multiclass

§ Hiperparâmetros

Temos dois tipos de parametros:

§ Algoritmos de busca

§ Validação cruzada aninhada

§ Provavelmente melhor algoritmos

§ Provavelmente mais rápido

§ Conselhos

§ SVM

Parametros:

LBSVM: A Library for support Vector machines

§ Feedforward neural networks

§ Backpropagation

§ Softmax Classification

§ Adaline

§ Random