Машинное обучение. Метод опорных векторов. К.В. Воронцов, Школа анализа данных, Яндекс.
Снова линейный классификатор. Принцип максимума ширины зазора между классами приводит к выпуклой задаче квадратичного программирования, которая имеет массу замечательных свойств. Во-первых, её решение единственно. Во-вторых, оно зависит не от всей выборки, а только от горстки объектов на границе между классами, которые и называются опорными векторами. В-третьих, заменяя скалярное произведение между объектами (не совсем) произвольной функцией от пары объектов, можно из линейной модели классификации получить нелинейную. Это один из самых красивых математических трюков во всём машинном обучении. Наконец, заменяя общепринятую L2 регуляризацию более экзотическими регуляризаторами, можно наделить SVM свойством отбора признаков. Интересный общий вывод: в линейных моделях негладкость функции потерь приводит к отбору объектов.
Видео Машинное обучение. Метод опорных векторов. К.В. Воронцов, Школа анализа данных, Яндекс. канала Компьютерные науки
Видео Машинное обучение. Метод опорных векторов. К.В. Воронцов, Школа анализа данных, Яндекс. канала Компьютерные науки
Показать
Комментарии отсутствуют
Информация о видео
Другие видео канала
![Bias-variance tradeoff в анализе данных и реальной жизни. Максим Николаев, Школа анализа данных](https://i.ytimg.com/vi/O_spKHhAnZU/default.jpg)
![Data Dojo — ML тренировка 22 апреля 2023](https://i.ytimg.com/vi/YophMEBBJx8/default.jpg)
![ML Party Yerevan — 2 марта 2023](https://i.ytimg.com/vi/ZwYQXmHdfAY/default.jpg)
![Data Dojo — ML тренировка 16 февраля 2023](https://i.ytimg.com/vi/KhoMG7proGA/default.jpg)
![Data Dojo — новогодняя ML тренировка 24 декабря 2022](https://i.ytimg.com/vi/tg8SSoKFqmA/default.jpg)
![Data Dojo — ML тренировка 17 ноября 2022](https://i.ytimg.com/vi/JyD0RuIA1oM/default.jpg)
![Data Dojo — ML тренировка 22 сентября 2022](https://i.ytimg.com/vi/RKYySRSfjeI/default.jpg)
![Седьмой рождественский коллоквиум по компьютерному зрению — 28 декабря 2021](https://i.ytimg.com/vi/vrSCD88X8BU/default.jpg)
![Shifts Challenge | Distributional Shift and Robustness in Autonomous Vehicle Planning](https://i.ytimg.com/vi/g8HT4dkojz4/default.jpg)
![Shifts Challenge | Shifts and other vices of human-computer dialogue](https://i.ytimg.com/vi/B4c9i8-w1as/default.jpg)
![Shifts Challenge | Panel Discussion "Frontiers for Uncertainty Estimation and Robustness"](https://i.ytimg.com/vi/TzCaCAhOO_c/default.jpg)
![Shifts Challenge | Adapting to Novel Data Distributions | Kate Saenko](https://i.ytimg.com/vi/VpcMNmoABgE/default.jpg)
![Shifts Challenge | Presentation and Plenary talk | Andrey Malinin](https://i.ytimg.com/vi/7Vc6EBNI-kE/default.jpg)
![Разбор письменного экзамена ШАД. Задача 9. Индекс ближайшего превосходящего элемента](https://i.ytimg.com/vi/3g_OeZLgK5w/default.jpg)
![Письменный разбор экзамена ШАД. Задача 8. Рёбра в графе](https://i.ytimg.com/vi/YQxKIXehgyM/default.jpg)
![Разбор письменного экзамена ШАД. Задача 7. Неравенство для производной](https://i.ytimg.com/vi/7vBA_xCqNxU/default.jpg)
![Разбор письменного экзамена ШАД. Задача 6. Размерности](https://i.ytimg.com/vi/LzxbVm4CNrc/default.jpg)
![Разбор письменного экзамена ШАД. Задача 5. Предел и вероятности](https://i.ytimg.com/vi/genOpmYZ6Lw/default.jpg)
![Разбор письменного экзамена ШАД. Задача 4. Геометрическая вероятность](https://i.ytimg.com/vi/PsAkdxe8SWI/default.jpg)
![Разбор письменного экзамена ШАД. Задача 3. Математическое ожидание числа шаров](https://i.ytimg.com/vi/_7NU8V8qgtA/default.jpg)
![Разбор письменного экзамена ШАД. Задача 2. Матрица проекции](https://i.ytimg.com/vi/faALTL8_IP8/default.jpg)