Bài giảng Học máy thống kê: Support Vector Machine (Máy véc tơ hỗ trợ)

Tài liệu này cung cấp một cái nhìn tổng quan về Support Vector Machine (SVM), một thuật toán học máy mạnh mẽ được sử dụng rộng rãi trong các bài toán phân loại và hồi quy. Tài liệu này bao gồm các khái niệm cơ bản, cơ sở lý thuyết, các biến thể của SVM, và các ví dụ thực hành với Python.

Sinh viên, nhà nghiên cứu và các chuyên gia trong lĩnh vực khoa học dữ liệu và học máy quan tâm đến việc tìm hiểu và áp dụng thuật toán Support Vector Machine (SVM).

Tài liệu này trình bày chi tiết về Support Vector Machine (SVM), bắt đầu với giới thiệu tổng quan về SVM và cơ sở lý thuyết toán học đằng sau nó, bao gồm các khái niệm về biên cực đại, bài toán cực tiểu có điều kiện và phương pháp nhân tử Lagrange. Tiếp theo, tài liệu đi sâu vào các biến thể của SVM, như biên mềm (Soft Margin) và biên cứng (Hard Margin), cùng với hồi quy sử dụng SVM (SVM Regression). Các phương pháp Kernel SVM cũng được trình bày, bao gồm Kernel Gauss RBF và cách chọn điểm làm dấu. Tài liệu cũng cung cấp các ví dụ thực hành với Python để minh họa cách sử dụng SVM trong thực tế, bao gồm thực hành với lệnh pipeline và sử dụng hàm sklearn.svm.SVC cho các bài toán tuyến tính và đa thức. Cuối cùng, tài liệu giới thiệu về SVM trực tuyến (Online SVMs) và các hàm mất mát liên quan.