Lecture: SVMS and Kernels

Lecture: SVMS and Kernels

Administrative information

Title Lecture: SVMs and Kernels
Duration 60
Module A
Lesson Type Lecture
Focus Practical - AI Modelling
Topic AI Modelling

 

Keywords

maximum margin classifier, support vector, kernel trick,

 

Learning Goals

  • To know what a support vector is and how to find it in a feature space
  • To know how a linear SVM works
  • To understand the concept of kernel function in the context of SVM
  • To know how the kernel trick allows to perform non linear classification with linear SVM

 

Expected Preparation

Learning Events to be Completed Before

Obligatory for Students

  • Review of analytic geometry (e.g. distance of a point to a plane).

Optional for Students

None.

References and background for students:

  • Bishop, Christopher M. (2006). Pattern recognition and machine learning, Chapter 7

Recommended for Teachers

  • Familiarize themselves with the demonstration material.

Lesson Materials

 

The materials of this learning event are available under CC BY-NC-SA 4.0.

 

Instructions for Teachers

Cover the topics in the lesson outline and demonstrate the effect of the complexity parameter and RBF parameter using the interactive notebooks. Show an example of underfitting. Give a brief overview of the code.

Outline/time schedule

 
Duration (min) Description Concepts
15 Maximum margin classifiers feature space, separating hyperplane, margin, support vector
10 Soft-margin formulation slack variables, model complexity
10 Dual formulation and optimization Lagrange multipliers, primal and dual problems
10 Support vectors and predictions dual parameters and support vectors
15 Non-linearization and the kernel trick kernel function

 

More information

Click here for an overview of all lesson plans of the master human centred AI

Please visit the home page of the consortium HCAIM

Acknowledgements

The Human-Centered AI Masters programme was co-financed by the Connecting Europe Facility of the European Union Under Grant №CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.

The materials of this learning event are available under CC BY-NC-SA 4.0

 

The HCAIM consortium consists of three excellence centres, three SMEs and four Universities

HCAIM Consortium

  • Het arrangement Lecture: SVMS and Kernels is gemaakt met Wikiwijs van Kennisnet. Wikiwijs is hét onderwijsplatform waar je leermiddelen zoekt, maakt en deelt.

    Auteur
    HCAIM Consortium
    Laatst gewijzigd
    2024-05-15 11:04:28
    Licentie

    Dit lesmateriaal is gepubliceerd onder de Creative Commons Naamsvermelding-GelijkDelen 4.0 Internationale licentie. Dit houdt in dat je onder de voorwaarde van naamsvermelding en publicatie onder dezelfde licentie vrij bent om:

    • het werk te delen - te kopiëren, te verspreiden en door te geven via elk medium of bestandsformaat
    • het werk te bewerken - te remixen, te veranderen en afgeleide werken te maken
    • voor alle doeleinden, inclusief commerciële doeleinden.

    Meer informatie over de CC Naamsvermelding-GelijkDelen 4.0 Internationale licentie.

    Aanvullende informatie over dit lesmateriaal

    Van dit lesmateriaal is de volgende aanvullende informatie beschikbaar:

    Toelichting
    .
    Eindgebruiker
    leerling/student
    Moeilijkheidsgraad
    gemiddeld
    Studiebelasting
    4 uur en 0 minuten

    Gebruikte Wikiwijs Arrangementen

    HCAIM Consortium. (z.d.).

    Acknowledgement

    https://maken.wikiwijs.nl/198386/Acknowledgement

    HCAIM Consortium. (z.d.).

    Lecture: Duty Ethics

    https://maken.wikiwijs.nl/198966/Lecture__Duty_Ethics

  • Gebruik
    Weergave
  • Wikiwijs is een dienst van