Метод опорных векторов в машинном обучении: теория и практическая реализация

Машинное обучение - этот термин, скорее всего, встречался вам много раз, его часто используют как синоним искусственного интеллекта, но на самом деле машинное обучение – это лишь верхушка айсберга. Согласно книге Педро Домингос «Верховный алгоритм. Как машинное обучение изменит наш мир», в настоящее время мы сталкиваемся с машинным обучением каждый день, даже не подозревая об этом. Когда вы, например, просматриваете свой почтовый ящик, наибольший поток спама проходит мимо вас, за счет того что он был отфильтрован с помощью механизмов машинного обучения. Благодаря машинному обучению поисковая система распознает, какую рекламу показывать в ответ на ваш запрос в поисковике.

---

Оформите докторскую на заказ на сайте Work5.

---

В последние десятилетие машинное обучение получило резкий толчок благодаря развитию науки, увеличению вычислительных мощностей. Обычно, когда машина выполняет какую-то задачу, все ее действия выполняются по определенному программистом-разработчиком алгоритму. Машина, использующая алгоритм машинного обучения, угадывает все сама, делает вывод на основе входных данных, и чем больше этих данных, тем точнее результат ее работы. Цели и задачи Объектом исследования в курсовой работе является метод опорных векторов в машинном обучении. Предметом исследования – различные технологии машинного обучения. Цель курсовой работы – анализ методов опорных векторов в машинном обучении. Задачи курсовой работы: • изучение истории машинного обучения; • определение основных способов машинного обучения; • изучение методов опорных векторов; • рассмотрение практической сферы применения.

При выполнении курсовой работы был подробно рассмотрен метод опорных векторов в машинном обучении с теорией и практической реализацией, а также была изучена специальная литература, научные статьи по информационным технологиям, учебники по машинному обучению, рассмотрено практическая реализация метода опорных векторов в машинном обучении.

Хенрик, Б. Машинное обучение / Б. Хенрик, Д. Ричардс и др. - М.: Питер, 2017 г.-336 с. 2. Воронцов, К.В. Лекции по методу опорных векторов Курс лекций. /http://www.ccas.ru/voron/download/SVM.pdf 3. Воронцов, К.В. Машинное обучение. Курс лекций // 2004 3. Домингос, П. Верховный алгоритм. Как машинное обучение изменит наш мир / П. Домингос. - М.: Манн, Иванов и Фербер,2016.- 336 с. 4. Флах, П. Машинное обучение / П. Флах. -М.: ДМК-Пресс, 2015 г.- 400 с. ИСТОЧНИКИ: 5.https://docs.microsoft.com/ru-ru/azure/machine-learning/studio/algorithm-choice 6. https://scikit-learn.ru/1-4-support-vector-machines/ 7. https://medium.com/nuances-of-programming/ 8. http://datascientist.one/support-vector-machines/ 9. https://spark.apache.org/docs/latest/api/python/reference/api/pyspark.ml.classification.LinearSVC.html 10. https://tonais.ru/library/realizatsiya-svm-i-kernel-svm-s-pomoschyu-scikit-learn-v-python