FC2ブログ

Support Vector Machine (2)

以前、Support Vector Machine(SVM)の説明で、"Numerical Recipes"三版(electronic)のものが分かりやすい、ということを書きました。

http://kanouy.blog9.fc2.com/blog-entry-776.html

対して、常に対比に持ち出す、C. M. Bishopの"Pattern Recognition and Machine Learning (2006)"ですが、第7章の"Sparse Kernel Machines"がそれですね。なぜSparseかと言うと、これはSupport Vectorのことです。一旦Support Vectorが分かれば、その後のデータ識別に対しては、その他のデータは不要ということ。

でもやっぱり、Bishopのは分かりづらいです。というのは、既に第6章で、Kernel法の説明をしているので、第7章の冒頭では、既に非線形空間(feature space)を前提としていることです。

それに対して、Numerical Recipesの説明では、まず通常のデータ空間(input space)での、完全に分離できる例をやる。そのあと、Soft-Margin(データがオーバラップしている場合)、最後にKernel Trick(非線形空間)が来るので、自然な流れのような気がします。

まあ、これは私見ですが、他の方々はどのような印象を持たれますか?
スポンサーサイト



コメントの投稿

非公開コメント

プロフィール

加納裕(かのうゆたか)

Author:加納裕(かのうゆたか)


[略歴]
1983年3月東京工業大学工学部機械物理工学科卒業
1983年4月(株)図研入社
1987年1月同社退社
1987年2月(株)ソリッドレイ研究所を6名で設立、取締役
1994年3月同社退社
1994年4月(株)スリーディー入社
1996年10月同社取締役
1999年12月上海大学兼務教授
2002年10月同社代表取締役
2009年9月ものつくり大学非常勤講師~現在
2009年10月同社代表退任/退社
2010年1月ソフトキューブ(株)入社~現在(技術顧問)
2017年4月湘南工科大学非常勤講師~現在


[業界団体・学会活動]
電気学会・第三期次世代インタラクティブディスプレイ協同研究委員会(幹事)/最先端表現技術利用推進協会・アカデミック部会(旧:三次元映像のフォーラム)(副部会長)/日本バーチャルリアリティ学会ハプティクス研究委員会(委員)/ACM(Professional Member)/情報処理学会(正会員)/3Dコンソーシアム(賛助会員)/URCF(特別会員)

---------------------

前職:立体映像産業推進協議会(幹事)/日本バーチャルリアリティ学会・論文委員会(委員)/3DBiz研究会(個人賛助会員)


[資格]
TOEIC805点
数学検定1級(数理技能)
中型・普自二免許
サッカー4級審判員

最新記事
最新コメント
最新トラックバック
月別アーカイブ
カテゴリ
検索フォーム
RSSリンクの表示
リンク
ブロとも申請フォーム

この人とブロともになる

QRコード
QRコード