Аннотация:В работе Литвинова А.Д. рассматриваются методы оптимизации для задачи классификации данных в рамках метода опорных векторов (Supported Vector Machine). Это метод является одним из популярных и часто используемых в системах машинного обучения (machine learning) - интенсивно развивающегося направления на стыке искусственного интеллекта и больших данных. Это определяет актуальность темы исследования.
Метод опорных векторов принадлежит к семейству общих линейных классификаторов и может быть интерпретирован как расширение персептрона. Его особенность заключается в том, что он симулируют минимальную эмпирическую ошибку классификации и максимизируют геометрическую разницу. Эффективность метода опорных векторов зависит от выбора ядра, параметров ядра и чистоты параметра С для геометрической разницы. Автором проведен анализ указанных параметров, предложена процедура поиска хорошего (может быть, оптимального).