Lezione 13 di 21 · Parte IV, SVM ed ensemble

Support Vector Machines

Margine massimo e support vector, il problema quadratico (primale e duale), soft margin e variabili slack, kernel e kernel trick, SVM per la regressione con la loss ε-insensitive.

9 figure da manipolare.

In questa lezione

• Parte I — SVM per la classificazione binaria
• SVM soft margin: ammettere errori
• Kernel: SVM per problemi non lineari
• Parte II — SVM per la regressione non lineare

Altre lezioni

Statistical Learning Theory e VC-dimension · SVM e kernel — aspetti pratici e visione critica · Tutte le lezioni

Appunti di Fabio Piscitelli — Machine Learning (654AA), prof. Alessio Micheli, Università di Pisa, a.a. 2026/27.