Build your ultimate AI agent
Descrierea cursului
Acest curs îți prezintă un clasificator puternic – mașina cu vectori suport (SVM) – printr-o abordare intuitivă și vizuală. Support Vector Machines în R te va ajuta să înțelegi modelul SVM ca instrument de clasificare și să câștigi experiență practică folosind implementarea libsvm din pachetul e1071 în R. Pe parcurs, vei dobândi o înțelegere intuitivă a unor concepte importante, cum ar fi marginile dure și moi, trucul nucleului, diferitele tipuri de nuclee și modul de ajustare a parametrilor SVM. Pregătește-te să clasifici date cu acest model impresionant.
Cerințe prealabile
Curriculum
Structura cursului
1
Introducere
Acest capitol prezintă câteva concepte-cheie ale mașinilor cu vectori suport printr-un exemplu simplu în una dimensiune. Vei fi ghidat și prin crearea unui set de date liniar separabil, care este utilizat în capitolul următor.
- Conținutul de zahăr din băuturile răcoritoare50 XP
- Vizualizarea unui set de date despre conținutul de zahăr100 XP
- Identificarea frontierelor de decizie50 XP
- Găsește separatorul cu marjă maximă100 XP
- Vizualizează separatorul cu marjă maximă100 XP
- Generarea unui set de date liniar separabil50 XP
- Generează un set de date uniform distribuit în 2D.100 XP
- Creează o frontieră de decizie100 XP
- Introduce o margine în setul de date100 XP
2
Clasificatori cu vectori suport – Nuclee liniare
Îți prezintă conceptele de bază ale mașinilor cu vectori suport, aplicând algoritmul svm pe un set de date liniar separabil. Conceptele-cheie sunt ilustrate prin vizualizări realizate cu ggplot, construite pe baza rezultatelor algoritmului, iar rolul parametrului cost este evidențiat printr-un exemplu simplu. Capitolul se încheie cu o secțiune despre modul în care algoritmul gestionează problemele cu mai multe clase.
3
Nuclee polinomiale
Oferă o introducere în nucleele polinomiale printr-un set de date separabil radial (adică cu o frontieră de decizie circulară). După ce demonstrează limitele nucleelor liniare pentru acest set de date, vei vedea cum o transformare simplă redă problema liniar separabilă, motivând o discuție intuitivă despre trucul nucleului. Vei aplica apoi nucleul polinomial pe setul de date și vei ajusta clasificatorul obținut.
4
Nuclee de tip funcție radială de bază
Se bazează pe cele trei capitole anterioare și introduce nucleul de tip funcție radială de bază (RBF), extrem de flexibil. Vei crea un set de date „complex" care evidențiază limitele nucleelor polinomiale. Apoi, după o motivare intuitivă a nucleului RBF, vei vedea cum acesta remediază deficiențele celorlalte nuclee discutate în acest curs.
R
Support Vector Machines în R
Curs
finalizat
