<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=102637"><dc:title>Metode podpornih vektorjev</dc:title><dc:creator>Treven,	Lenart	(Avtor)
	</dc:creator><dc:creator>Pretnar,	Matija	(Mentor)
	</dc:creator><dc:creator>Kralj,	Jan	(Komentor)
	</dc:creator><dc:subject>metode podpornih vektorjev</dc:subject><dc:subject>dualni problem</dc:subject><dc:subject>jedra</dc:subject><dc:description>V delu predstavimo metode podpornih vektorjev, njihovo matematično izpeljavo in praktično uporabo. Izpeljemo primarni problem, ki ga dobimo, ko želimo linearno ločljive dvorazredne podatke ločiti s hiperravnino. Dani problem posplošimo na dvorazredne podatke, ki niso linearno ločljivi. Predstavimo teorijo dualnosti konveksnih optimizacijskih problemov, s pomočjo katere dokažemo krepki izrek o dualnosti za konveksne probleme. Primarni problem prevedemo na njegov dual. V dualni problem uvedemo jedrne funkcije. Dokažemo, da sta polinomsko in radialno jedro skalarna produkta. Pokažemo, kako ravnamo v primeru, ko imamo večrazredne podatke. Pokažemo način, kako ocenimo natančnost klasifikatorja s prečnim preverjanjem. Pokažemo delovanje različnih jeder na preprostih dvorazsežnih podatkih, ki jih vzamemo iz podatkovne množice IRIS. Metode podpornih vektorjev naučimo na večji podatkovni množici ter pokažemo, na kakšen način izberemo končni napovedni model.</dc:description><dc:date>2018</dc:date><dc:date>2018-09-06 07:45:01</dc:date><dc:type>Delo diplomskega seminarja/zaključno seminarsko delo/naloga</dc:type><dc:identifier>102637</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>