این قسمت سوم از آموزش‌های ریاضی مربوط به ماشین‌های بردار پشتیبان است. اگر قسمت‌های قبلی را هنوز مطالعه نکرده‌اید، می‌توانید آموزش را از قسمت اول با مطالعه مقاله:SVM – درک مفاهیم ریاضی مورد نیاز – قسمت اول شروع کنید.
این قسمت دوم از آموزش‌های ریاضی مربوط به ماشین‌های بردار پشتیبان است. اگر قسمت‌های قبلی را هنوز مطالعه نکرده‌اید، می‌توانید آموزش را از قسمت اول با مطالعه مقاله: SVM – درک مفاهیم ریاضی مورد نیاز – قسمت اولشروع کنید.
مقدمه:
این اولین قسمت از مقاله‌هایی هست که قصد دارم راجع به ریاضیات پشت(مربوط) به SVM بنویسم. حرف‌های زیادی در مورد پیش‌زمینه ریاضی که معمولا ضروری هم هست میشه زد. با این وجود من سعی می‌کنم که آروم پیش برم تا بتونم توضیح‌های عمیق‌تری رو بدم که همه چیز تا حد امکان حتی برای مبتدی‌ها شفاف باشه.
اگر شما تازه‌کار هستین و مایلید که قبل از ورود به بحث‌های ریاضی، بیشتر راجع به SVM بدونید، پیشنهاد می‌کنم این مقاله را هم مطالعه کنید: آشنایی با ماشین بردار پشتیبان (SVM) – مرور کلی
امروز قصد دارم قبل از وارد شدن به مباحث ریاضی، به صورت کلی راجع به SVMها صحبت کنم و مروری روی آن‌ها داشته باشم.
SVM دقیقا چه چیزی هست؟
SVM یک مدل یادگیری نظارت شده است.
اگه علاقمند هستید که راجع به ماشین بردار پشتیبان (SVM) بیشتر یاد بگیرید و جزییات آن را بدانید، آدرس درستی را انتخاب کرده‌اید. چون در این پست و پست‌های بعدی، من(پیمان برجوییان) قصد دارم راجع به SVM بنویسم. در واقع این پست میشه فهرستی برای بقیه مطالب مربوط به SVM و بالت‌هایی که اینجا می‌بینید در آینده به لینک‌هایی تبدیل خواهند شد و شما را به صفحات مربوط به خودشون راهنمایی خواهند کرد. منبع اصلی این مطلب‌ها کتاب آقای Alexandre Kowalczyk هست و از ایشون بابت این‌که اجازه دادن از مطلب‌هاشون استفاده و اونا رو به فارسی ترجمه و منتشر کنم، تشکر می‌کنم. ادامه‌ی خواندن