Support Vector Machines - 9780387772417

Katra matemātiskā disciplīna iziet cauri trīs attīstības periodiem: naivajam, formālajam un kritiskajam. Deivids Hilberts Šīs grāmatas mērķis ir izskaidrot principus, kas padarīja atbalsta vektora mašīnas (SVM) par veiksmīgu modelēšanas un prognozēšanas rīku dažādām lietojumprogrammām. Mēs cenšamies to panākt, vienotā stilā prezentējot SVM pamatidejas kopā ar jaunākajiem sasniegumiem un aktuālajiem pētniecības jautājumiem. Īsumā mēs identificējam vismaz trīs SVM panākumu iemeslus: to spēja labi mācīties ar tikai ļoti nelielu skaitu brīvu parametru, to noturība pret vairāku veidu modeļu pārkāpumiem un novirzēm, un visbeidzot, bet ne mazāk svarīgi to skaitļošanas e. ?zinātne salīdzinājumā ar vairākām citām metodēm. Lai gan ir vairākas SVM saknes un priekšteči, šīs metodes ir ieguvušas īpašu impulsu pēdējo 15 gadu laikā, kopš Vapnik (1995, 1998) publicēja savas labi zināmās statistikas mācīšanās teorijas mācību grāmatas, īpašu uzsvaru liekot uz vektormašīnu atbalstam. Kopš tā laika mašīnmācības joma ir piedzīvojusi intensīvu SVM izpēti, kas ir izplatījusies vairāk un vairāk citu disciplīnu, piemēram, statistikas un matemātikas. Tādējādi šķiet godīgi teikt, ka vairākas kopienas pašlaik strādā pie atbalsta vektora mašīnām un saistītām uz kodolu balstītām metodēm. Lai gan starp šīm kopienām ir daudz mijiedarbības, mēs domājam, ka joprojām ir vieta papildu auglīgai mijiedarbībai, un būtu priecīgi, ka šī mācību grāmata būtu noderīga turpmāku pētījumu stimulēšanai. Daudzi no šajā grāmatā sniegtajiem rezultātiem iepriekš ir izkaisīti žurnālu literatūrā vai joprojām tiek pārskatīti. Rezultātā šie rezultāti ir bijuši pieejami tikai salīdzinoši nelielam speciālistu skaitam, dažreiz, iespējams, tikai cilvēkiem no vienas kopienas, bet ne citiem.