logo
Loading...

Linear Support Vector Machine (SVM) :: Course Introduction - Cupoy

在本課程中機器學習基石課程中所講到的基本工具,將其延伸成複雜實用的模型。主要圍繞特徵轉換的3個方向展開: 1.如果有很多特徵轉換要使用的時候如何應用特徵轉換,更重要的是這麼多的特徵轉換可能會有復雜度的問題,怎麼控制複雜度的問題,這樣的想法刺激了 SVM 的發展。 2.能否找到一些具有預測性的特徵,找出來之後能否將這些特徵混合起來,讓整個模型有更好的表現,這樣的想法刺激了 AdaBoost 算法的發展。 3.如果資料中有隱藏的特徵,那麼機器怎樣將這些特徵學習出來讓機器的想法更好,這樣的想法刺激了早年的類神經網絡的發展,近年來發展成為深度學習。 影片內容 pdf:https://www.csie.ntu.edu.tw/~htlin/course/mltech18spring/doc/201_handout.pdf

在本課程中機器學習基石課程中所講到的基本工具,將其延伸成複雜實用的模型。主要圍繞特徵轉換的3個方向展開: 1.如果有很多特徵轉換要使用的時候如何應用特徵轉換,更重要的是這麼多的特徵轉換可能會有復雜度的問題,怎麼控制複雜度的問題,這樣的想法刺激了 SVM 的發展。 2.能否找到一些具有預測性的特徵,找出來之後能否將這些特徵混合起來,讓整個模型有更好的表現,這樣的想法刺激了 AdaBoost 算法的發展。 3.如果資料中有隱藏的特徵,那麼機器怎樣將這些特徵學習出來讓機器的想法更好,這樣的想法刺激了早年的類神經網絡的發展,近年來發展成為深度學習。 影片內容 pdf:https://www.csie.ntu.edu.tw/~htlin/course/mltech18spring/doc/201_handout.pdf