2023 | OriginalPaper | Buchkapitel
Support-Vector-Maschinen
verfasst von : Sven-Ake Wegner
Erschienen in: Mathematische Einführung in Data Science
Verlag: Springer Berlin Heidelberg
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
Wir bleiben im Setting von Kapitel 13, wollen aber nun den „besten“ Klassifizierer für eine linear trennbare Datenmenge finden. Letzterer, a.k.a. die Support-Vector-Maschine (SVM), ist hierbei derjenige Klassifizierer, bei dem die Entscheidungsgrenze den größtmöglichen Abstand zu den Datenpunkten hat. Die Aufgabe eine solche SVM zu finden, führen wir mithilfe des Satzes von Karush-Kuhn-Tucker auf ein quadratisches Optimierungsproblem zurück und diskutieren dann anhand von Beispielen die Bedeutung der auftauchenden Lagrangemultiplikatoren.