文書分類 と Kernel あれこれ (仮称) 転写班 河田雄次 目次 カーネル法について 概要 − モジュール性 Kernel function, Kernel machine, まとめ 素晴らしい点 入力次元、特徴選択 文書分類とカーネル法 主な論文の流れ Fisher Kernel 系 String Kernel 系 SVM からのモチーフ抽出 カーネル法 (特に SVM) について 1. “非線形” を “線形” に 2. マージン最大化 1. “非線形” を “線形” に h( x) = sign ( w ⋅ x + b) i Kernel function Kernel machine w = ∑ α i yi xi i (最小二乗法) f ( x) = sign (∑ α i yi xi ⋅ x + b) [線形] 主成分分析、因子分析、重回帰分析、
次へ: はじめに サポートベクターマシン入門 栗田 多喜夫 Takio Kurita 産業技術総合研究所 脳神経情報研究部門 Neurosceince Research Institute, National Institute of Advanced Indastrial Science and Technology takio-kurita@aist.go.jp visitors since Jul. 19, 2002. 概要: 最近、サポートベクターマシン(Support Vector Machine, SVM)と呼ばれるパター ン認識手法が注目されており、ちょっとしたブームになっている。カーネルトリッ クにより非線形の識別関数を構成できるように拡張したサポートベクターマシン は、現在知られている多くの手法の中でも最も認識性能の優れた学習モデルの一 つである。サポートベクターマ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
