SVM の長所：
- できるだけ真ん中を通るように識別面を作るので汎化能力が高い．
- 非線形にしてもグローバルミニマムが求まる．
- 一部のサンプルだけを使って識別関数が書けるので，必要メモリは少ない．
SVM の短所：
--あかほ
関連項目†
リンク集†
関連文献†
- 基本文献
Bernhard E. Boser, Isabelle M. Guyon, Vladimir N. Vapnik
"A Training Algorithm for Optimal Margin Classifiers" 5th COLT, pp.144-152 (1992)
GoogleScholarAll:A Training Algorithm for Optimal Margin Classifiers
I.Guyonの文献リストから入手可
- SVM やカーネル法全体がよくわかる教科書 Book/Learning with Kernels
- 赤穂昭太郎 "本 カーネル多変量解析—非線形データ解析の新しい展開" 確率と情報の科学シリーズ, 岩波書店 (2008)
- SVMのチュートリアル
C.J.C.Burges "A Tutorial on Support Vector Machines for Pattern Recognition" Data Mining and Knowledge Discovery, vol.2, pp.121-168 (1998)
GoogleScholarAll:A Tutorial on Support Vector Machines for Pattern Recognition
- N. Cristianini and J. Shawe-Taylor "Introduction to Support Vector Machines"
Cambridge University Press (2000)：サポートページ
- Ch.-W. Hsu, Ch.-Ch. Chang, and Ch.-J. Lin, A Practical Guide to Support Vector Classification
- Book/サポートベクターマシン(知の科学)
- Book/データマイニングの基礎 3.3節
- Book/学習システムの理論と実現 第3章
- Book/パターン認識と学習の統計学(統計科学のフロンティア6) 第II部
- Book/パターン認識(Rで学ぶデータサイエンス5) 11章, 12章
- Book/フリーソフトでつくる音声認識システム 6.1節
- Book/Learning with Kernels
- Book/Data Mining - Concepts and Techniques 6.7章
- Book/Pattern Recognition and Machine Learning 7章
Last-modified: 2012-06-30 (土) 16:40:08
![[PukiWiki]](image/ibisforest.png "[PukiWiki]")
