SVM (Метод опорных векторов) или частный случай регуляризации по Тихонову, представляет собой линейный метод/модель обучения с учителем главная задача которой - построить уравнение разделяющей гиперплоскости в пространстве, для разделения некоторого, чаще двух классов оптимальным образом.
Она может быть оптимизирована через функцию потерь, при использовании L-BFGS, SGD методов и поддерживает margin-based оптимизацию. Также данную модель можно использовать для обучения классификаторов.
SVM веса настраиваются таким образом, чтобы объекты классов лежали как можно дальше от разделяющей гиперплоскости. Модель
Поддерживается случай линейной разделимости и линейной неразделимости. Математически данная модель строится на теореме Куна-Такера и фукнции Лагранжа.
Более подробную информацию о данном методе вы найдете здесь: https://scikit-learn.org/stable/modules/svm.html
Мы на profi.ru: https://profi.ru/profile/MironovVO8/
Мы на repetitor.ru: https://v3.repetitors.info/repetitor/p/MironovVO8/
Мы на ХабрФриланс: https://freelance.habr.com/freelancers/MLab
Мы на YouDo: https://youdo.com/u9455664
Наш канал по Кодингу: https://dzen.ru/id/62cfd02dce2f2915341e0942
#python #datascience #coding #machinelearning #math #vector