Warianty tytułu
Języki publikacji
Abstrakty
Metoda wektorów nośnych (SVM - Support Vector Machines) została zaproponowana jako odporne narzędzie do klasyfikacji danych z nauczycielem, czyli do dyskryminacji. (...) W opracowaniu prze3dstawiona zostanie metoda wektorów nośnych oraz analiza błędu klasyfikacji, jaki generuje metoda w zależności od postaci funkcji jądrowej oraz jej parametrów. (fragment tekstu)
Rocznik
Strony
331--342
Opis fizyczny
Twórcy
autor
Bibliografia
- Hastie T., Tibshirani R., Friedman J. (2001). The Elements of Statistical Learning. Springer-Verlag, New York.
- Leisch F., Dimitriadou E. (2004). The Mlbench Package - a Collection for Artificial and Real-World Machine Learning Benchmarking Problems. R package, Version 1.0-0. http://cran.R-project.org.
- Prechelt L. Proben 1 - a Set of Neural Network Benchmark Problems and Benchmarking Rules. (1994). Technical Report. Universität Karlsruhe. ftp://ftp.ira.uka.de/pub/papers/techreports/1994/1994-21.ps.gz.
- Vapnik V. (1995). The Nature of Statistical Learning Theory. Springer-Verlag, New York.
- Vapnik V. (1998). Statistical Learning Theory. John Wiley & Sons, New York.
- Weston J., Watkins C. (1998). Multi-class Support Vector Machines. Technical Report, CSD-TR-98-04, Royal Holloway, University of London. Egham, UK.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171199353