Прыжок в бесконечность: как под капотом работает RBF SVM
Всех приветствую! Меня зовут Андрей, я студент 4 курса факультета математики и компьютерных наук, автор телеграм‑канала Andre | Data Science. Все мы знаем, что направление машинного обучения сейчас на огромном хайпе — практически из‑под каждого камня говорят о разных методах и о том, что они способны решить практически любую задачу. Но гайдов, которые бы подробно разбирали работу конкретного метода — от обычной загрузки данных до математического обоснования принципа его работы и визуализации каждого шага, — катастрофически мало.
Разбираемся в ML без воды: от базы до Attention. Часть 8: Kernel Trick
В предыдущей части мы затронули концептуальную идею Kernel Trick (ядерного трюка). Если говорить кратко: когда у нас нет возможности линейно разделить данные в текущем пространстве признаков, мы можем отобразить их в пространство более высокой размерности, где классы станут легко разделимы обычной гиперплоскостью.В этой части мы глубоко изучим математическое устройство этого метода и разберемся, почему и как именно он работает "под капотом".Функция ЛагранжаПеред основной работой поговорим немного о теории. Первым делом введем Лагранжиан (
