[questa pagina su wiki][indice][EN][BG][CS][DA][DE][EL][ES][ET][FI][FR][GA][HR][HU][IT][MT][NL][PL][PT][RO][SK][SL][SV]

Lezione: SVM e Kernel

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

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.