3 ПР ЕД Л О ЖЕНИЯ КО МПЛЕ К С АНП А “ С А Р М А ” СЕВ А С Т ОП О Л Ь СКИЙ Г О С

Содержание

1. 3 ПР ЕД Л О ЖЕНИЯ КО МПЛЕ К С АНП А “ С А Р М А ” СЕВ А С Т ОП О Л Ь СКИЙ Г О С
2. Задачи прогнозирования и классификации2Задача прогнозирования(1)Рассматривается функция видаXi
3. Задачи прогнозирования и классификации3Задача классификацииY – набор
4. Метод опорных векторов SVM4Support Vector Machine (SVM)ВАПНИК
5. Метод опорных векторов SVM5Задача бинарной классификацииХ –
6. Метод опорных векторов SVM6Задача прогнозированияИсходные данные(3)Задача –
7. Метод опорных векторов SVM7Задача прогнозированияДвойственная задача –
8. Метод опорных векторов SVM8Программная реализация методаLIBSVM 
9. Метод опорных векторов SVM9Разработка специализированного ПО
10. Скачать презентанцию

Задачи прогнозирования и классификации2Задача прогнозирования(1)Рассматривается функция видаXi – набор параметров, доступных для наблюдения или вычисленияКак правило, Xi – вещественный вектор нормализованных значений[0, 1] или [-1, 1]. Y – набор вещественных чисел.

Главная
Разное
3 ПР ЕД Л О ЖЕНИЯ КО МПЛЕ К С АНП А “ С А Р М А ” СЕВ А С Т ОП О Л Ь СКИЙ Г О С

Слайды и текст этой презентации

Слайд 13
ПРЕДЛОЖЕНИЯ

КОМПЛЕКС
АНПА“САРМА”
СЕВАСТОПОЛЬСКИЙ ГОСУДАРСТВЕННЫЙ
УНИВЕРСИТЕТ
Лекция № 8
«ПРИМЕНЕНИЕ МЕТОДА ОПОРНЫХ ВЕКТОРОВ ДЛЯ РЕШЕНИЯ ЗАДАЧИ

ПРОГНОЗИРОВАНИЯ И КЛАССИФИКАЦИИ»
Ведущий преподаватель: канд. техн. наук, доцент кафедры ИУТС

Альчаков Василий Викторович

3ПРЕДЛОЖЕНИЯКОМПЛЕКСАНПА“САРМА”СЕВАСТОПОЛЬСКИЙ ГОСУДАРСТВЕННЫЙУНИВЕРСИТЕТЛекция № 8«ПРИМЕНЕНИЕ МЕТОДА ОПОРНЫХ ВЕКТОРОВ ДЛЯ РЕШЕНИЯ ЗАДАЧИ ПРОГНОЗИРОВАНИЯ И КЛАССИФИКАЦИИ»Ведущий преподаватель: канд. техн. наук,

Слайд 2Задачи прогнозирования и классификации
2
Задача прогнозирования
(1)
Рассматривается функция вида
Xi – набор параметров,

доступных для наблюдения или вычисления
Как правило, Xi – вещественный вектор

нормализованных значений
[0, 1] или [-1, 1]. Y – набор вещественных чисел.

Задачи прогнозирования и классификации2Задача прогнозирования(1)Рассматривается функция видаXi – набор параметров, доступных для наблюдения или вычисленияКак правило, Xi

Слайд 3Задачи прогнозирования и классификации
3
Задача классификации
Y – набор признаков
Принадлежности [0, 1]

или [-1, 1]
Xi – набор атрибутов
Возможные методы решения:
нейронные сети; метод

опорных векторов; регрессионный анализ; ассоциативные правила и т.д.

Задачи прогнозирования и классификации3Задача классификацииY – набор признаковПринадлежности [0, 1] или [-1, 1]Xi – набор атрибутовВозможные методы

Слайд 4Метод опорных векторов SVM
4
Support Vector Machine (SVM)
ВАПНИК Владимир Наумович
В своем

нынешнем виде метод был разработан в 1995 г. в подразделении

корпорации AT&T Bell Laboratories под руководством В.Н. Вапника - выдающегося ученого в сфере машинного обучения.

Основная идея метода сводится к построению оптимальной разделяющей гиперплоскости в пространстве признаков высокой размерности. Оптимальность понимается в смысле минимизации верхних оценок вероятности ошибки обобщения.

Метод опорных векторов SVM4Support Vector Machine (SVM)ВАПНИК Владимир НаумовичВ своем нынешнем виде метод был разработан в 1995

Слайд 5Метод опорных векторов SVM
5
Задача бинарной классификации
Х – объект классификации, вектор

в n-мерном пространстве
Xi – набор атрибутов (признаков объекта)
чем больше значение

координаты, тем больше признак выражен у объекта.

(2)

Задача сводится к нахождения правила, в соответствии с которым любой произвольный объект классификации X может быть отнесет к одному из классов

(3)

F(x) – линейный классификатор
разделяющая гиперплоскость

Метод опорных векторов SVM5Задача бинарной классификацииХ – объект классификации, вектор в n-мерном пространствеXi – набор атрибутов (признаков

Слайд 6Метод опорных векторов SVM
6
Задача прогнозирования
Исходные данные
(3)
Задача – найти оценку

для произвольного вектора атрибутов
Интерполирующая функция F(X) ищется при

минимизации функционала вида

(4)

При наличии ограничений

(5)

Метод опорных векторов SVM6Задача прогнозированияИсходные данные(3)Задача – найти оценку для произвольного вектора атрибутовИнтерполирующая функция

Слайд 7Метод опорных векторов SVM
7
Задача прогнозирования
Двойственная задача – поиск функциональной зависимости
(6)
-

ядерная функция, симметричная функция, удовлетворяющая условиям Мерсера
Определение значения параметра C,

а также определение вида ядерной функции K(.,.) во многом определяет насколько точно будет получена регрессионная модель для получения прогноза значения функции по набору заданных параметров.

Метод опорных векторов SVM7Задача прогнозированияДвойственная задача – поиск функциональной зависимости(6)- ядерная функция, симметричная функция, удовлетворяющая условиям МерсераОпределение

Слайд 8Метод опорных векторов SVM
8
Программная реализация метода
LIBSVM  A Library for

Support Vector Machines
http://www.csie.ntu.edu.tw/~cjlin/libsvm/
Chih-Chung Chang и Chih-Jen Lin  Национальный Тайваньский

университет

Реализация библиотеки включена в такие продукты как R, Matlab

LibSVMsharp – обертка под .NET
https://github.com/ccerhan/LibSVMsharp

libsvm.net
https://github.com/nicolaspanel/libsvm.net

Метод опорных векторов SVM8Программная реализация методаLIBSVM  A Library for Support Vector Machineshttp://www.csie.ntu.edu.tw/~cjlin/libsvm/Chih-Chung Chang и Chih-Jen Lin

Слайд 9Метод опорных векторов SVM
9
Разработка специализированного ПО

Скачать презентацию

Разделы презентаций

3 ПР ЕД Л О ЖЕНИЯ КО МПЛЕ К С АНП А “ С А Р М А ” СЕВ А С Т ОП О Л Ь СКИЙ Г О С

Содержание

Слайды и текст этой презентации

Слайд 13
ПРЕДЛОЖЕНИЯ

КОМПЛЕКС
АНПА“САРМА”
СЕВАСТОПОЛЬСКИЙ ГОСУДАРСТВЕННЫЙ
УНИВЕРСИТЕТ
Лекция № 8
«ПРИМЕНЕНИЕ МЕТОДА ОПОРНЫХ ВЕКТОРОВ ДЛЯ РЕШЕНИЯ ЗАДАЧИ

ПРОГНОЗИРОВАНИЯ И КЛАССИФИКАЦИИ»
Ведущий преподаватель: канд. техн. наук, доцент кафедры ИУТС

Слайд 2Задачи прогнозирования и классификации
2
Задача прогнозирования
(1)
Рассматривается функция вида
Xi – набор параметров,

доступных для наблюдения или вычисления
Как правило, Xi – вещественный вектор

Слайд 3Задачи прогнозирования и классификации
3
Задача классификации
Y – набор признаков
Принадлежности [0, 1]

или [-1, 1]
Xi – набор атрибутов
Возможные методы решения:
нейронные сети; метод

Слайд 4Метод опорных векторов SVM
4
Support Vector Machine (SVM)
ВАПНИК Владимир Наумович
В своем

нынешнем виде метод был разработан в 1995 г. в подразделении

Слайд 5Метод опорных векторов SVM
5
Задача бинарной классификации
Х – объект классификации, вектор

в n-мерном пространстве
Xi – набор атрибутов (признаков объекта)
чем больше значение

Слайд 6Метод опорных векторов SVM
6
Задача прогнозирования
Исходные данные
(3)
Задача – найти оценку

для произвольного вектора атрибутов
Интерполирующая функция F(X) ищется при

Слайд 7Метод опорных векторов SVM
7
Задача прогнозирования
Двойственная задача – поиск функциональной зависимости
(6)
-

ядерная функция, симметричная функция, удовлетворяющая условиям Мерсера
Определение значения параметра C,

Слайд 8Метод опорных векторов SVM
8
Программная реализация метода
LIBSVM  A Library for

Support Vector Machines
http://www.csie.ntu.edu.tw/~cjlin/libsvm/
Chih-Chung Chang и Chih-Jen Lin  Национальный Тайваньский

Слайд 9Метод опорных векторов SVM
9
Разработка специализированного ПО

Обратная связь

Что такое TheSlide.ru?

Разделы презентаций

3 ПР ЕД Л О ЖЕНИЯ КО МПЛЕ К С АНП А “ С А Р М А ” СЕВ А С Т ОП О Л Ь СКИЙ Г О С

Содержание

Слайды и текст этой презентации

Слайд 13ПРЕДЛОЖЕНИЯКОМПЛЕКСАНПА“САРМА”СЕВАСТОПОЛЬСКИЙ ГОСУДАРСТВЕННЫЙУНИВЕРСИТЕТЛекция № 8«ПРИМЕНЕНИЕ МЕТОДА ОПОРНЫХ ВЕКТОРОВ ДЛЯ РЕШЕНИЯ ЗАДАЧИ

ПРОГНОЗИРОВАНИЯ И КЛАССИФИКАЦИИ»Ведущий преподаватель: канд. техн. наук, доцент кафедры ИУТС

Слайд 2Задачи прогнозирования и классификации2Задача прогнозирования(1)Рассматривается функция видаXi – набор параметров,

доступных для наблюдения или вычисленияКак правило, Xi – вещественный вектор

Слайд 3Задачи прогнозирования и классификации3Задача классификацииY – набор признаковПринадлежности [0, 1]

или [-1, 1]Xi – набор атрибутовВозможные методы решения:нейронные сети; метод

Слайд 4Метод опорных векторов SVM4Support Vector Machine (SVM)ВАПНИК Владимир НаумовичВ своем

нынешнем виде метод был разработан в 1995 г. в подразделении

Слайд 5Метод опорных векторов SVM5Задача бинарной классификацииХ – объект классификации, вектор

в n-мерном пространствеXi – набор атрибутов (признаков объекта)чем больше значение

Слайд 6Метод опорных векторов SVM6Задача прогнозированияИсходные данные(3)Задача – найти оценку

для произвольного вектора атрибутовИнтерполирующая функция F(X) ищется при

Слайд 7Метод опорных векторов SVM7Задача прогнозированияДвойственная задача – поиск функциональной зависимости(6)-

ядерная функция, симметричная функция, удовлетворяющая условиям МерсераОпределение значения параметра C,

Слайд 8Метод опорных векторов SVM8Программная реализация методаLIBSVM  A Library for

Support Vector Machineshttp://www.csie.ntu.edu.tw/~cjlin/libsvm/Chih-Chung Chang и Chih-Jen Lin  Национальный Тайваньский

Слайд 9Метод опорных векторов SVM9Разработка специализированного ПО

Похожие презентации

Обратная связь

Что такое TheSlide.ru?

Слайд 13
ПРЕДЛОЖЕНИЯ

КОМПЛЕКС
АНПА“САРМА”
СЕВАСТОПОЛЬСКИЙ ГОСУДАРСТВЕННЫЙ
УНИВЕРСИТЕТ
Лекция № 8
«ПРИМЕНЕНИЕ МЕТОДА ОПОРНЫХ ВЕКТОРОВ ДЛЯ РЕШЕНИЯ ЗАДАЧИ

ПРОГНОЗИРОВАНИЯ И КЛАССИФИКАЦИИ»
Ведущий преподаватель: канд. техн. наук, доцент кафедры ИУТС

Слайд 2Задачи прогнозирования и классификации
2
Задача прогнозирования
(1)
Рассматривается функция вида
Xi – набор параметров,

доступных для наблюдения или вычисления
Как правило, Xi – вещественный вектор

Слайд 3Задачи прогнозирования и классификации
3
Задача классификации
Y – набор признаков
Принадлежности [0, 1]

или [-1, 1]
Xi – набор атрибутов
Возможные методы решения:
нейронные сети; метод

Слайд 4Метод опорных векторов SVM
4
Support Vector Machine (SVM)
ВАПНИК Владимир Наумович
В своем

Слайд 5Метод опорных векторов SVM
5
Задача бинарной классификации
Х – объект классификации, вектор

в n-мерном пространстве
Xi – набор атрибутов (признаков объекта)
чем больше значение

Слайд 6Метод опорных векторов SVM
6
Задача прогнозирования
Исходные данные
(3)
Задача – найти оценку

для произвольного вектора атрибутов
Интерполирующая функция F(X) ищется при

Слайд 7Метод опорных векторов SVM
7
Задача прогнозирования
Двойственная задача – поиск функциональной зависимости
(6)
-

ядерная функция, симметричная функция, удовлетворяющая условиям Мерсера
Определение значения параметра C,

Слайд 8Метод опорных векторов SVM
8
Программная реализация метода
LIBSVM  A Library for

Support Vector Machines
http://www.csie.ntu.edu.tw/~cjlin/libsvm/
Chih-Chung Chang и Chih-Jen Lin  Национальный Тайваньский

Слайд 9Метод опорных векторов SVM
9
Разработка специализированного ПО