Recentemente eu aprendi aprendizado de máquina e vi no reddit o post Please explain Support Vector Machines (SVM) like I am a 5 year old, uma palavra de parabéns!
Suporte para vector machine (SVM)
A primeira coisa a fazer é ver o wiki. Support Vector Machines são modelos de aprendizagem usados para classificação: quais indivíduos em uma população pertencem a onde?
A história é a seguinte:
No dia de São Valentim, há muito tempo atrás, o Grande Mestre quer salvar sua amada, mas o Diabo joga um jogo com ele.
O diabo coloca duas bolas de duas cores na mesa, que parecem regulares, dizendo: "Você as separa com um pau?"
O que é que ele fez?
O diabo, então, colocou mais bolas na mesa, e parece que um estádio errou o campo.
O SVM é tentar colocar o bastão na melhor posição possível, para que haja o maior espaço possível nos lados do bastão.
Agora, mesmo que o diabo coloque mais bolas, o bastão ainda é um bom limite.
Em seguida, há outro truque mais importante no kit do SVM. O diabo vê que o super-herói aprendeu um truque e então ele dá a ele um novo desafio.
Agora, o Grande Mestre não tem bastão para separar as duas bolas, o que fazer agora? Claro que, como em todos os filmes do Grande Mestre, um golpe de mesa do Grande Mestre, a bola voa para o ar. Então, com a ajuda do Grande Mestre, o Grande Mestre pega um pedaço de papel e enfia no meio das duas bolas.
Agora, do ponto de vista do diabo, as esferas parecem separadas por uma curva.
E depois, os adultos, que estão entediados, chamam as bolas de "data", chamam o bastão de "classifier", o truque do maior intervalo é "optimization", o tabuleiro é chamado de "kernelling", o papel é chamado de "hyperplane".
Referências:
Por favor, explique Support Vector Machines (SVM) como se eu tivesse 5 anos.
Máquinas de Vector de Apoio bem explicadas
O que é o SVM?
SVM - support vector machine, também conhecida como máquina de vetores de suporte, é um algoritmo de aprendizado supervisionado, pertencente à categoria de classificação. Em aplicações de mineração de dados, ele corresponde e se distingue do clustering não supervisionado. É amplamente utilizado em aprendizado de máquina, visão de computador e mineração de dados. O SVM funciona de forma mais ou menos simples, como mostrado no gráfico 1.
Suponhamos que queremos dividir os círculos de centro e os círculos de centro vazios em duas categorias através de linhas de três e oito. A partir daí, o que é mais importante é que você tenha uma lista completa de linhas que podem ser usadas para realizar essa tarefa. No SVM, procuramos uma linha de divisão ideal que tenha a maior margem de ambos os lados. Em tal caso, os vários pontos de dados com bordas mais grossas são chamados de vetores de suporte, que é a origem do nome do algoritmo de classificação.
A partir daí, a teoria da relatividade pode ser ampliada para qualquer n dimensões e até mesmo para espaços infinitos, como no gráfico 2.
Temos um monte de pontos de dados num espaço n-dimensional a infinito-dimensional, Então, sempre se pode encontrar um hiperplano ideal que está sempre na dimensão n-1.
E por fim, Direção estatística: Support Vector Machines (SVM) wiki:Support vector machine Aulas:columbia.eduPágina de A partir daí, o blogueiro começou a escrever sobre o tema, e um ótimo vídeo de demonstração.http://youtu.be/3liCbRZPrZA
Tradução e Legendas