Informazioni amministrative
Titolo | Lezione: SVM e Kernel |
Durata | 60 |
Modulo | A |
Tipo di lezione | Lezione |
Focus | Pratiche — AI Modelling |
Argomento | Modellizzazione dell'IA |
Parole chiave
classificatore di margine massimo, vettore di supporto, trucco del kernel,
Obiettivi di apprendimento
- Sapere cos'è un vettore di supporto e come trovarlo in uno spazio di funzionalità
- Per sapere come funziona una SVM lineare
- Comprendere il concetto di funzione kernel nel contesto di SVM
- Per sapere come il trucco del kernel permette di eseguire la classificazione non lineare con SVM lineare
Preparazione prevista
Eventi di apprendimento da completare prima
Obbligatorio per gli studenti
- Revisione della geometria analitica (ad esempio distanza di un punto da un piano).
Facoltativo per gli studenti
Nessuno.
Referenze e background per gli studenti
- Vescovo, Christopher M. (2006). Riconoscimento dei modelli e apprendimento automatico, capitolo 7
Consigliato per gli insegnanti
- Familiarizzare con il materiale dimostrativo.
Materiale didattico
Istruzioni per gli insegnanti
Coprire gli argomenti nella descrizione della lezione e dimostrare l'effetto del parametro di complessità e del parametro RBF utilizzando i notebook interattivi. Mostra un esempio di underfitting. Fornire una breve panoramica del codice.
Schema/orario
Durata (min) | Descrizione | Concetti |
---|---|---|
15 | Classificatori di margine massimo | spazio delle caratteristiche, separando iperplano, margine, vettore di supporto |
10 | Formulazione a margine morbido | variabili Slack, complessità del modello |
10 | Doppia formulazione e ottimizzazione | Moltiplicatori Lagrange, problemi primali e duali |
10 | Vettori di supporto e previsioni | due parametri e vettori di supporto |
15 | Non-linearizzazione e il trucco del kernel | funzione kernel |
Riconoscimenti
Il programma Human-Centered AI Masters è stato co-finanziato dal meccanismo per collegare l'Europa dell'Unione europea nell'ambito della sovvenzione CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.