Support Vector Machines - 9780387772417

Kiekviena matematinė disciplina išgyvena tris vystymosi laikotarpius: naivumą, formalųjį ir kritinį. Davidas Hilbertas Šios knygos tikslas – paaiškinti principus, dėl kurių palaikymo vektorinės mašinos (SVM) tapo sėkmingu modeliavimo ir prognozavimo įrankiu įvairioms programoms. Stengiamės tai pasiekti vieningu stiliumi pristatydami pagrindines SVM idėjas kartu su naujausiais pasiekimais ir aktualiais tyrimų klausimais. Trumpai tariant, mes nustatome bent tris SVM sėkmės priežastis: jų gebėjimą gerai mokytis naudojant tik labai nedaug laisvų parametrų, jų atsparumą kelių tipų modelių pažeidimams ir nuokrypiams ir galiausiai, bet ne mažiau svarbią jų skaičiavimo el. ?moksliškumas, palyginti su keletu kitų metodų. Nors yra keletas SVM šaknų ir pirmtakų, šie metodai ypač įsibėgėjo per pastaruosius 15 metų nuo tada, kai Vapnikas (1995, 1998) išleido savo gerai žinomus statistinio mokymosi teorijos vadovėlius, ypatingą dėmesį skirdamas vektorinėms mašinoms. Nuo tada mašininio mokymosi sritis buvo intensyvaus SVM tyrimo aktyvumas, kuris išplito daugiau ir daugiau kitų disciplinų, tokių kaip statistika ir matematika. Taigi atrodo teisinga teigti, kad kelios bendruomenės šiuo metu dirba su paramos vektorinėmis mašinomis ir susijusiais branduolio metodais. Nors tarp šių bendruomenių yra daug sąveikų, manome, kad vis dar yra vietos papildomai vaisingai sąveikai ir būtų malonu, kad ši vadovėlis būtų naudingas skatinant tolesnius tyrimus. Daugelis šioje knygoje pateiktų rezultatų anksčiau buvo išsklaidyti žurnalų literatūroje arba vis dar peržiūrimi. Dėl šios priežasties šie rezultatai buvo prieinami tik santykinai nedideliam specialistų skaičiui, kartais tikriausiai tik žmonėms iš vienos bendruomenės, bet ne iš kitų.