دانلود کتاب Data Mining via Support Vector Machines

ترجمه فارسی توضیحات (ترجمه ماشینی)

داده کاوی از طریق ماشین های بردار پشتیبان

ماشین‌های بردار پشتیبان (SVM) نقش کلیدی در کلاس‌های وسیعی از مشکلات ناشی از زمینه‌های مختلف بازی کرده‌اند. اخیراً، SVM ها به ابزار انتخابی برای مشکلات ناشی از طبقه بندی داده ها و استخراج تبدیل شده اند. این مقاله بر برخی از پیشرفت‌های اخیر که نویسنده و همکارانش در آن مشارکت داشته‌اند، تأکید می‌کند: SVM‌های تعمیم‌یافته (یک چارچوب برنامه‌نویسی ریاضی بسیار کلی برای SVMها)، SVMهای صاف (نمایش معادله غیرخطی صاف SVM‌ها قابل حل با روش نیوتن سریع)، لاگرانژی. SVM (نمایش لاگرانژی بدون محدودیت SVM که منجر به یک طرح تکراری بسیار ساده که قادر به حل مسائل طبقه‌بندی با میلیون‌ها امتیاز است) و SVM‌های کاهش‌یافته (یک طبقه‌بندی کننده هسته مستطیلی که از ۱٪ داده‌ها استفاده می‌کند).

Data Mining via Support Vector Machines

Support vector machines (SVMs) have played a key role in broad classes of problems arising in various fields. Much more recently, SVMs have become the tool of choice for problems arising in data classification and mining. This paper emphasizes some recent developments that the author and his colleagues have contributed to such as: generalized SVMs (a very general mathematical programming framework for SVMs), smooth SVMs (a smooth nonlinear equation representation of SVMs solvable by a fast Newton method), Lagrangian SVMs (an unconstrained Lagrangian representation of SVMs leading to an extremely simple iterative scheme capable of solving classification problems with millions of points) and reduced SVMs (a rectangular kernel classifier that utilizes as little as 1% of the data).