บริษัทที่จ้างงานด้าน Machine Learning เกี่ยวข้องกับสองสิ่งอย่างแท้จริง คำถามที่น่าเบื่อ: คุณมีความสามารถในด้านเทคโนโลยีคลังข้อมูลที่บริษัทใช้หรือไม่? นี่อาจเป็นงานที่ท้าทายสำหรับผู้สำเร็จการศึกษาใหม่ เนื่องจากการกลายเป็นมืออาชีพ Azure Data Bricks ในขณะที่แทบไม่มีใบอนุญาต Microsoft Office เนื่องจากนักเรียนสามารถนำเสนอช่วงการเรียนรู้ที่ค่อนข้างชันได้ คำถามที่สอง: คุณสามารถสร้างแบบจำลองที่เชื่อถือได้และใช้ข้อมูลของคุณได้อย่างถูกต้องหรือไม่? เหนือสิ่งอื่นใด..

ในขอบเขตอันกว้างใหญ่ของแมชชีนเลิร์นนิง ซึ่งอัลกอริธึมได้รับการออกแบบมาเพื่อจำแนกและทำความเข้าใจข้อมูลที่ซับซ้อน Support Vector Machines (SVM) เป็นหนึ่งในวิธีที่ได้รับความนิยมและมีประสิทธิภาพมากที่สุด บทนี้ทำหน้าที่เป็นการแนะนำ SVM โดยให้ความกระจ่างเกี่ยวกับความสำคัญของอัลกอริธึมการจำแนกประเภท และช่วยให้ผู้อ่านมีความเข้าใจที่ครอบคลุมเกี่ยวกับหลักการของ SVM แมชชีนเลิร์นนิงมีบทบาทสำคัญในโลกปัจจุบัน ซึ่งมีการสร้างข้อมูลจำนวนมหาศาลทุกๆ วินาที ด้วยการใช้อัลกอริธึมการเรียนรู้ของเครื่อง..

การแนะนำ ในบทความนี้ ผมจะพูดถึง Support Vector Machine (SVM) ซึ่งเป็นอัลกอริธึมการเรียนรู้ภายใต้การดูแลสำหรับการจำแนกข้อมูล โดยทั่วไป SVM ใช้สำหรับแยกจุดข้อมูลหลายมิติออกเป็นสองคลาสที่แตกต่างกัน เพื่อความง่าย เราจะพิจารณาเฉพาะกรณีสองมิติเท่านั้น (แนวคิดสำหรับมิติที่สูงกว่าก็เหมือนกัน) ขั้นแรก เราจะกำหนดฟังก์ชันวัตถุประสงค์ภายใต้ข้อจำกัด แล้วพิจารณาฟังก์ชันคู่ลากรองจ์เพื่อแก้ไขปัญหาการหาค่าเหมาะที่สุดนี้ นอกจากนี้ ผมจะพิสูจน์ว่าการแก้ปัญหาแบบคู่นั้นเทียบเท่ากับการแก้ปัญหาเบื้องต้น..