Sí, podría usar tensorflow para resolver un SVM. Recuerde que aprender los parámetros para un SVM es equivalente a resolver un problema de optimización de problemas cuadráticos.
Un problema de programación cuadrática [1] es un problema de optimización de la siguiente forma.
[matemáticas] min_z z ^ TQz + c ^ Tz [/ matemáticas]
- ¿Qué es una explicación intuitiva de los modelos de mezcla gaussiana?
- ¿Por qué utilizamos núcleos en algunos modelos de aprendizaje automático?
- ¿Cuál es la función [math] \ Psi [/ math] en esta diapositiva?
- Las redes neuronales se han vuelto muy populares en los últimos años, sin embargo, gran parte de la teoría se desarrolló hace 20 años. ¿Qué avances explican los éxitos recientes?
- ¿Cuáles son algunos proyectos interesantes de minería de texto en análisis político?
st [matemáticas] Az \ leq g [/ matemáticas]
El problema de optimización SVM en la forma primaria más simple es el siguiente
[matemáticas] min_ {w, b} w ^ Tw [/ matemáticas]
st [matemáticas] y_i (w ^ T.x_i + b)> 0 [/ matemáticas]
Para resolver w y b, se asigna al problema original de programación cuadrática y normalmente se resuelve usando el método quadprog [2] en matlab.
En tensorflow, usaría el descenso de gradiente para resolver los parámetros. Y dado que los problemas de programación cuadrática tienen una única solución óptima local, se garantiza que le dará los resultados correctos. Entonces, sí, podría usar tensorflow para resolver un SVM.
Notas al pie
[1] Programación cuadrática – Wikipedia
[2] Programación cuadrática – MATLAB quadprog