با سلام

این پست شامل قسمت سی و دوم از سری فیلم های آموزشی یادگیری ماشین در متلب می باشد.

در این قسمت مفاهیم و توضیحات مربوط به ماشین های بردار پشتیبان (SVM ) با زبانی ساده و روان به تفصیل بیان می گردد. مطالب مربوط به SVM در ۵ قسمت (قسمت های ۳۲-۲۸) بطور کامل آموزش داده میشود که این ویدئو آموزشی مربوط به پنجمین (آخرین) قسمت از آموزش SVM میباشد که شامل موارد زیر است:

۱- مقدمه

۲- دیدگاه جایگزین Logistic regression

۳- مفهوم حاشیه و SVM

۴- بهینه سازی توابع با قید نامساوی

۵- کلاس های قابل تفکیک

۶- کلاس های غیر قابل تفکیک

۷- Hinge Loss

۸- Kernel trick

۹- توابع کرنل مهم

۱۰- Kernel machines برای رگرسیون

۱۱- پیاده سازی SVM در متلب

در این جلسه به مورد ۱۱ پرداخته می شود.

تذکر۱:

قسمت های قبلی این مجموعه آموزشی را می توانید از اینجا مشاهده نمایید.

تذکر۲:

کتاب یادگیری ماشین آلپایدین (Alpaydın) میتوانید از اینجا و کتاب میشل (Tom Mitchell) را نیز از اینجا دانلود نمایید.

لازم به ذکر است این مجموعه از آموزش های گام به گام یادگیری ماشین در متلب برای اولین بار در ایران تهیه و توسط یکی از مجربترین اسانید در زمینه هوش مصنوعی آموزش داده شده است.

این مجموعه آموزشی بسیار مناسب برای محققین و دانشجویان در مقاطع کارشناسی، کارشناسی ارشد و دکتری می باشد که قصد یادگیری این درس و همچنین استفاده ازالگوریتم های هوش مصنوعی در مقاله و پایان نامه خود را دارند.

با تشکر

کلمه کلیدی:

ماشین های بردار پشتیبان, SVM , support vector machine ,Logistic regression,حاشیه,margin,Hinge Loss,Kernel trick,Kernel machines, رگرسیون, دسته بندی,کلاس بندی,classification,