私はサポートベクターマシンの基本を理解しようとしており、多くのオンライン記事をダウンロードして読んでいます。しかし、まだそれを把握することはできません。良いSVMチュートリアルへのポインタ
私が知りたいのですが、あなたが考える、そのことを
か何かを理解するために使用することができるいくつかの
PS：私は何とかPCA（Principal Component Analysis）を学ぶことができました。 ところで、あなたは私が機械学習に取り組んでいると推測していたでしょう。 PyML ためlibsvm
PyML Tutorialため
SVMのチュートリアルの標準推奨値は、Christopher BurgesのA Tutorial on Support Vector Machines for Pattern Recognitionです。 SVMについて学ぶもう一つの良い場所はスタンフォードのMachine Learning Courseです（SVMは講義6-8でカバーされています）。これらは両方とも数学については非常に理論的で重いものです。
ソースコードは、 SVMLight、libsvmおよびTinySVMはすべてオープンソースですが、コードはそれほど簡単ではありません。私は彼らのそれぞれを非常によく見ていませんが、TinySVMのソースはおそらく理解しやすいものです。 this paperにSMOアルゴリズムの擬似コードの実装もあります。
私はあなたに2つの票を与えることができます。非常に良いチュートリアル、私はすでに途中で...ありがとう。 – Alphaneo
Christopher Burgesの記事のリンクは古くなっていますが、StompChickenは検索でそれを見つけるのに十分な詳細を提供しました。それは素晴らしい記事です。どちらも非常に「詳細で包括的」であり、非常に容易に理解できる。クリストファー・バージは素晴らしい仕事をしました。 SVMに興味のある人には朗報です。 –
@MikeWilliamson壊れたリンクを指摘してくれてありがとう。私はそれを新しい、望ましく永久的なURLに指摘しました。 – Stompchicken
A practical guide to SVM classification私は1が3を理解するためにクリアされ、使用のために実用的だと思います。
答えに[1]と[3]が何であるか教えてください。 –
@ASHISHNEGI申し訳ありませんが[1]と[3]がリンクを失った理由はありません。特定の情報は覚えていません。その答えは間違いかもしれません。 – sunqiang
基礎を知っていると仮定して（例えば、最大マージン分級機、カーネルを構築する）、そのスタンフォード機械学習コースのProblem Set 2 (handout #5)を解決してください。答えの鍵は&です。彼はプロセス全体を通してあなたの手を保持しています。参照としてLecture notes 3 &を使用してください。
基本がわからない場合は、以前の動画をご覧ください。
問題のセットは優れたリソースのようです。ありがとう！ –
私は、Rのコピーをつかむうまくlibsvmをラップe1071パッケージをインストールして、お好みのデータセットに良い結果を得るためにしようとするだろう。
あなただけのPCAを考え出した場合、例よりも多くの予測因子でデータを見て有益であるかもしれない（例えば、マイクロアレイ遺伝子発現プロファイル、時系列、分析化学からのスペクトルなど）との線形回帰を比較PCAは未処理の予測変数にSVMを使用する予測変数を使用します。
その他の回答には多くの素晴らしい参考文献がありますが、内部にあるものを読む前にブラックボックスで遊んでいく価値があると思います。 SVM上のビデオ講義の
私は同意する、それは "基本に突き刺す前にブラックボックスで遊ぶのは良い" ... – Alphaneo
私はコリン・キャンベルずつは非常に有用であることが判明。
これはSVMに非常に良い初心者向けのチュートリアルです：
私はいつもStompChickenの推奨チュートリアルでは、彼らは右の境界とVCの統計の話としように飛び込むような方法で少し混乱だと思いました最適な機械などを見つける。あなたがすでに基礎を理解しているなら、それは良いことです。
これは間違いなく初心者のための非常に簡単で直感的な導入資料です。 –
^^あなたが既にそれを持っていると私に思える "計算、ベクトル幾何学、およびラグランジュ乗数"の非常に強い背景を持つ初心者のために、 "数学的な重い"イントロのどれかがより適しています。 –
ありがとうございます。これは素晴らしいです！ – stealthspy
についてこの「質問」を閉じると、StackOverflowの「ルール」に従っていませんが、S.O.それがコミュニティが多くの目的のためにそれを使用するように、それが非常に偉大な＆ユビキタスになったことを認識する必要があります。 Alphaneoが彼の調査をした可能性のある同等の品質のフォーラムはありません。おそらくクオラ？しかし、本当に、S.O. Quoraではなく、真の専門知識のための私の "行き先"です。 –
QAコミュニティでは機械学習はあまり効果的ではありませんが、stats.stackexhange.comやmetaoptimize.com/qaはstackoverflow.comよりも優れたサイトです。 – Stompchicken
@MikeWilliamson Cross-Validatedはどうですか？それはまさにこの種の質問に対応しています。 –